Article Per Year (5 Year)
p-Index From 2021 - 2026
2.906
P-Index
This Author published in this journals
All Journal Jurnal TIMES Sinkron : Jurnal dan Penelitian Teknik Informatika Journal Information System Development METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Informatika Kaputama (JIK) Jurnal Pengabdian Pada Masyarakat METHABDI Majalah Ilmiah METHODA TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Jurnal Pengabdian Masyarakat Nauli
Indra Kelana Jaya
Universitas Methodist Indonesia
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Physics Public Health Social Sciences

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Penerapan Metode Support Vector Machine untuk Pengenalan Pola Aksara Batak Toba Panjaitan, Efdi Sarjono; Rumapea, Humuntal; Jaya, Indra Kelana
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2(SEMNASTIK) (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akunt
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2(SEMNASTIK).pp49-55

Abstract

The usage of the Batak Toba script has declined, and its complex forms pose challenges in pattern recognition. This study employs the Support Vector Machine (SVM) method to classify Batak Toba script patterns, utilizing a Histogram of Oriented Gradients (HOG) as a feature extraction technique. The data used comes from various sources, totaling 285 script images. After preprocessing, SVM was applied to separate characters into two main classes, which were further subdivided into subclasses until final classification was achieved. The results show that the combination of HOG and SVM can classify Batak Toba script characters with an accuracy of 89,47%. This research makes a significant contribution to the preservation of the Batak Toba script and has broader potential applications in pattern recognition and image classification.
Optimasi Algoritma Genetika pada Perbandingan ANN dan KNN untuk Klasifikasi Penyakit Jantung Zai, Andreas; Rambe, Lima Hartima; Putra, Reza Ananda; Rosnelly, Rika; Sagala, Tamado Simon; Jaya, Indra Kelana
Majalah Ilmiah METHODA Vol. 15 No. 1 (2025): Majalah Ilmiah METHODA
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methoda.Vol15No1.pp10-23

Abstract

A comparative analysis of genetic algorithm optimization methods on the performance of Artificial Neural Network (ANN) and K-Nearest Neighbor (KNN) in heart disease classification shows significant results. The research used a heart disease dataset consisting of 303 samples with 14 attributes. Genetic algorithm optimization produced substantial performance improvements in both models. The optimized ANN model achieved 94.85% accuracy, 93.00% precision, 97.00% recall, and 97.00% ROC AUC, demonstrating excellence in positive case identification. Meanwhile, the optimized KNN model achieved 93.30% accuracy, 92.00% precision, 95.00% recall, and 96.77% ROC AUC, yielding more balanced performance. The genetic algorithm optimization method proves its effectiveness in improving heart disease classification accuracy, where ANN is optimal for applications requiring high sensitivity and KNN is more stable for small datasets.
Pengenalan Aplikasi Kahoot! Bagi Guru Dan Siswa-Siswi Pada SMA GKPI Padang Bulan Medan Larosa, FGN Larosa; Sitepu, Surianto; Saragih, Naikson F.; Situmorang, Alfonsus; Dumayanti, Imelda Sri; Naibaho, Jimmy F.; Manurung, Samuel; Jaya, Indra Kelana; Yohanna, Margaretha; Rumahorbo, Benget; Simanullang, Harlen; Sinambela, Marzuki; Silalahi, Veraci
Jurnal Pengabdian Masyarakat Nauli Vol. 2 No. 1 (2023): Agustus, Jurnal Pengabdian Masyarakat Nauli
Publisher : Marcha Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/nauli.v2i1.102

Abstract

interaksi antar personal, yang mempengaruhi interaksi antara guru/pendidik dengan siswa-siswi, bersifat praktis, menarik dan mudah dibawa-bawa, sangat populer, dan banyak dipakai pada pembelajaran dengan metode Blended Learning. Salah satu aplikasi yang dimaksud adalah Kahoot!, yang sangat mudah dalam pemasangan bahkan gratis. Kahoot! mulai menyebar ke berbagai pembelajaran seperti Bahasa Indonesia, Bahasa Inggris, dan Kimia. Hasil penelitian menunjukkan bahwa Kahoot! mampu tampil sebagai media permainan digital berbasis pembelajaran, di mana Kahoot! memberikan persepsi positif dalam efektivitas pembelajaran, ketertarikan dalam aktvitas pembelajaran dan motivasi dalam aktivitas pembelajaran
Pendekatan Level Data untuk Menangani Ketidakseimbangan Data Menggunakan Algoritma K-Nearest Neighbor Perangin-angin, Resianta; Harianja, Eva Julia Gunawati; Jaya, Indra Kelana
Jurnal TIMES Vol 9 No 1 (2020)
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (302.889 KB) | DOI: 10.51351/jtm.9.1.2020615

Abstract

Dalam penelitian ini digunakan dataset yang memiliki tingkat ketidakseimbangan yang berbeda beda mulai dari 16.40, 8.60, 2.06, 2.78, 1.87, tentu hal ini dapat menurunkan kinerja algoritma klasifikasi. Secara umum ketidakseimbangan kelas dapat ditangani dengan dua pendekatan, yaitu level data dan level algoritma. Pendekatan level data ditujukan untuk memperbaiki keseimbangan kelas, sedangkan pendekatan level algoritma ditujukan untuk memperbaiki algoritma atau menggabungkan (ensemble) pengklasifikasi agar lebih konduktif terhadap kelas minoritas. Pada penelitian ini diusulkan pendekatan level data dengan resampling, yaitu random oversampling (ROS), dan random undersampling (RUS), Pengklasifikasi yang digunakan adalah k-near neighbors. Hasil penelitian menunjukkan bahwa model ROS+KNN dan RUS+KNN didapat dengan selisih G-Means sebesar 13% dan F-Measure 2,08%, dari, hal ini menunjutkan bahwa RUS+KNN dan ROS+KNN bisa meningkatkan akurasi dari G-Mean dan F-Measure namun tidak memiliki perbedaan yang signifikan.
Kombinasi Time Series Dengan Fuzzy Inferency System Untuk Model Prediksi Inflasi Dengan Akurasi Tinggi Perangin-angin, Resianta; Jaya, Indra Kelana; Rumahorbo, Benget
Jurnal TIMES Vol 9 No 2 (2020): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (646.197 KB) | DOI: 10.51351/jtm.9.2.2020632

Abstract

Logika fuzzy merupakan perluasan dari penalaran tradisional, dimana tidak hanya terdapat “ya” atau “tidak”, tetapi “ya” dengan nilai seberapa besar kadar “ya” tersebut, dan “tidak” dengan nilai seberapa besar kadar “tidak” tersebut. Kemampuan model fuzzy dalam memetakan nilai kabur menjadi alasan penggunaan model inferensi fuzzy dalam berbagai kasus yang menggunakan nilai kabur untuk menghasilkan suatu output yang jelas atau pasti. Dikarenakan membership fucntion dalam fuzzy inferency system sangat beragam, dalam hal ini tentu ada sedikit masalah, bagaimana menentukan membership yang terbaik atau dalam hal ini yang bisa menghasilkan nilai akurasi yang paling tinggi terhadap nilai aktual. Dalam penelitian ini akan dilakukan penelitian dengan menggunakan dua membership function, yakni membership fucntion bahu dan segitiga, model yang dipakai adalah model inferensi fuzzy Tsukamoto untuk kasus prediksi laju inflasi di Sumatera Utara, dari hasil ujicoba diperoleh ternyata kombinasi time series dengan membership fucntion segitiga dan fuzzy inferency system menghasilkan akurasi yang sangat tinggi mencapai 94,4%. Hasil ini menunjukkan kombinasi antara time series dan fuzzy inferency system untuk kasus prediksi inflasi memiliki tingkat akurasi yang sangat tinggi.
PENERAPAN ALGORITMA C4.5 DALAM MENGUKUR TINGKAT KEPUASAN NASABAH PADA PT BANK MUAMALAT INDONESIA KCU MEDAN BARU BERBASIS WEB Azli, Putri; Jaya, Indra Kelana; Ambarita, Indah
Majalah Ilmiah METHODA Vol. 13 No. 2 (2023): Majalah Ilmiah METHODA
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methoda.Vol13No2.pp189-194

Abstract

In the field of service providers, sharia banking and conventional banking have differences in their characteristics which lie in the practice of running business operations, where operations are based on sharia principles, and this principle is the main attraction for customers to utilize sharia bank services. Quality of service is a key factor that will become a competitive advantage in today's banking world. This happens because the bank as a service company has the characteristic of being easy to imitate a product that has been marketed. The measurement method for determining customer satisfaction at Bank Muamalat is by applying data mining, where customer data that makes transactions will be inputted into the system and then processed using the C4.5 method with predetermined criteria. Data mining is a process of finding meaningful relationships, patterns and trends by examining large sets of data stored in storage using pattern recognition techniques. According to Algorithm C4.5 is an algorithm used to form a decision tree.
PEMANFAATAN GOOGLE EARTH ENGINE DAN ALGORITMA RANDOM FOREST UNTUK PEMETAAN LAHAN PERKEBUNAN JERUK Dian Agaventa, Chrissandro; Rumapea, Humuntal; Indra Kelana Jaya
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 11 No. 2 (2025): Volume 11 Nomor 2 Tahun 2025
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v11i2.4078

Abstract

This study employed Google Earth Engine (GEE) and the Random Forest algorithm to map citrus plantations in Silimakuta District, Simalungun Regency,  North Sumatra. As a major citrus production center—reaching 840,000 quintals in 2023—the region faces challenges in producing accurate and efficient maps of plantation distribution. By processing Sentinel-2 and Sentinel-1 satellite imagery in GEE, this study provides a more detailed and reliable mapping solution. The Random Forest model achieved a land-cover classification accuracy of 97% and a Kappa coefficient of 96.3%, demonstrating the method’s effectiveness for land mapping. This approach can overcome existing limitations in land data and deliver visual information useful for increasing citrus plantation productivity in the region. Therefore, the combined use of Google Earth Engine and the Random Forest algorithm shows strong potential to support more optimal and sustainable land management.
PENERAPAN METODE NAÏVE BAYES CLASSIFIER PADA SENTIMEN ANALISIS APLIKASI INVESTASI KEUANGAN DIGITAL: Studi Kasus: Bareksa Dan Bibit Girsang, Jhon Vebrianto; Jaya, Indra Kelana; Simanullang, Harlen Gilbert
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 7 No. 2 (2023): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol7No2.pp225-230

Abstract

Investing online is a very promising opportunity. There are many online investment enthusiasts who do not understand how to invest online correctly and be able to minimize risk. Lack of public understanding of the investment implementation process can lead to fraud by irresponsible parties. So understanding investing online is very necessary. There are many online investment applications on the Google Play Store, but these investment applications have their own advantages and disadvantages. The objects of research are the applications of Bareksa and Seeds because the news media often report on these applications at the top and selecting an application requires a collection of information obtained from previous user reviews. The method used is the Naïve Bayes Classifier. Based on the results, the classification is divided into 3 (three) sentiments, namely positive, negative and neutral. With a comparison of training data and testing data 70%:30% accuracy in the Bareksa application was obtained 54% and 44% in the seed application.
EVALUASI TATA KELOLA TEKNOLOGI INFORMASI PADA PERUSAHAAN MENGGUNAKAN FRAMEWORK COBIT : Studi Kasus: PT. Telkom Gaharu Medan-Divisi Data Management Silalahi, Arina Prima; Jaya, Indra Kelana; Sartika, Dewi; Manalu, Darwis R.; Larosa, Fati G. N.
METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol. 8 No. 1 (2024): METHOMIKA: Jurnal Manajemen Informatika & Komputersisasi Akuntansi
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/jmika.Vol8No1.pp9-19

Abstract

Teknologi informasi memegang peranan penting dalam sebuah perusahaan atau instansi lainnya, namun untuk melihat kesesuaian teknologi dengan kebutuhan perusahaan diperlukan evaluasi tata kelola teknologi informasi. Pada penelitian yang dilakukan, fokus evaluasi meliputi divisi Data Management PT Telkom Gaharu dengan menggunakan kerangka kerja COBIT 2019 dengan domain EDM04 (Ensure Resources Optimization), MEA01 (Managed Performance and Conformance Monitoring) dan DSS03 (Managed Problems) yang berfokus pada sistem informasi yaitu Unified Inventory Management. Penelitian ini menggunakan teknik pengumpulan data studi literatur, observasi, wawancara dan kuesioner yang dikelola menggunakan pengukuran skala Guttman dengan bantuan perhitungan Microsoft Excel. Evaluasi yang dilakukan berfokus pada nilai Capability Level dan Gap Analysis yang disajikan dalam bentuk Tabel dan Grafik Radar. Nilai Capability Level dari domain EDM04 sebesar 92% (Fully Achieved) dengan Gap Analysis 0.97 maka dapat dikatakan bahwa proses tata kelola teknologi informasi untuk domain EDM04 sepenuhnya sudah tercapai. Nilai Capability Level domain MEA01 sebesar 94% (Fully Achieved) dengan Gap Analysis 1.33 maka dapat dikatakan bahwa proses tata kelola teknologi informasi untuk domain MEA01 sepenuhnya sudah tercapai. Nilai Capability Level domain DSS03 sebesar 81% (Largely Achieved) dengan Gap Analysis 0.25 maka dapat dikatakan bahwa proses tata kelola teknologi informasi untuk domain DSS03 sepenuhnya sudah tercapai.
Penerapan Metode Support Vector Machine untuk Pengenalan Pola Aksara Batak Toba Panjaitan, Efdi Sarjono; Rumapea, Humuntal; Jaya, Indra Kelana
TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Vol 4 No 2(SEMNASTIK) (2024): TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akunt
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/tamika.Vol4No2(SEMNASTIK).pp49-55

Abstract

The usage of the Batak Toba script has declined, and its complex forms pose challenges in pattern recognition. This study employs the Support Vector Machine (SVM) method to classify Batak Toba script patterns, utilizing a Histogram of Oriented Gradients (HOG) as a feature extraction technique. The data used comes from various sources, totaling 285 script images. After preprocessing, SVM was applied to separate characters into two main classes, which were further subdivided into subclasses until final classification was achieved. The results show that the combination of HOG and SVM can classify Batak Toba script characters with an accuracy of 89,47%. This research makes a significant contribution to the preservation of the Batak Toba script and has broader potential applications in pattern recognition and image classification.
Co-Authors Albert Harianja Ambarita, Indah Aritonang, Mendarissan Azli, Putri Berlian Juni R Marpaung Dandi Daniel Siregar Darwis Robinson Manalu DEWI SARTIKA Dian Agaventa, Chrissandro Dumayanti, Imelda Sri Ericho Elovando Surbakti Eva Julia Gunawati Harianja Eva Julia Gunawati Harianja, Eva Julia Gunawati Fajar Fati Gratianus Nafiri Larosa Feruche, Melani Gea, Asaziduhu Girsang, Jhon Vebrianto Harlen G. Simanullang Harlen Gilbert Simanullang Helen Fransisca Simanungkalit Humuntal Rumapea Imelda Sri Dumayanti Jeudi A. T. P. Sianturi Jimmy F. Naibaho Larosa, Fati G. N. Larosa, FGN Larosa Lyna M. N. Hutapea Manurung, Samuel Mariana Tri Susanti Marpaung, Berlian Juni R Marzuki Sinambela Marzuki, Sinambela Melani Feruche Mufria J. Purba Naibaho, Jimmy F. Naikson Fandier Saragih Nine Situmeang Nova Soraya Simanjuntak Panjaitan, Efdi Sarjono Pujiastuti, Maria Putra, Reza Ananda Rambe, Lima Hartima Resianta Perangin-Angin Rika Rosnelly, Rika Rimbun Siringoringo, Rimbun Rumahorbo, Benget Sagala, Tamado Simon Samuel Van Basten Manurung Saragih, Naikson F. Silalahi, Arina Prima Silalahi, Veraci Simanullang, Harlen Simanullang, Harlen Gilbert Simbolon, Anita Ira Agustina Sinambela Marzuki Siska Narulita Siboro Surianto Sitepu Surianto Sitepu Susanti, Mariana Tri Tarigan, Kerista Widya Ompusunggu Yohanna, Margaretha Yolanda Y. P. Rumapea yolanda yulianti pratiwi rumapea Zai, Andreas