Article Per Year (5 Year)
p-Index From 2021 - 2026
3.457
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Sinkron : Jurnal dan Penelitian Teknik Informatika JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JITK (Jurnal Ilmu Pengetahuan dan Komputer) Jurnal Sisfokom (Sistem Informasi dan Komputer) Jusikom: Jurnal Sistem Informasi Ilmu Komputer Jurnal Sains dan Teknologi REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer INFOKUM Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer
Banjarnahor, Jepri
Universitas Prima Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Mathematics Physics Social Sciences

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

Found 31 Documents
Search

 1   2   3   4 
Aplikasi Pembayaran Uang Kuliah Pada Universitas Prima Indonesia Menggunakan Metode Fuzzy Logic Berbasis Android Jepri Banjarnahor; Aurelia Xinara Lim; Fransisca
Jurnal Sains dan Teknologi Vol. 2 No. 1 (2020): Sains dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34013/saintek.v2i1.53

Abstract

< >Payment of tuition fees is an obligation for every student to acquire knowledge in college. At the University of IndonesiaIndonesia, the payment of tuition fees is still using a manual system where every student who comes is notified of the amount oftuition fees to be paid orally or in writing, as in the Universitas Prima Indonesia system. This has several drawbacks where the longpayment process is caused by a long queue system, or the number of students arriving at one time. The application uses fuzzy logicmethods in transactions so that the system can separate transactions that have been paid and transactions that have not been paid.Author-designed apps can help speed up entering transactions. The application designed by the author uses smartphone technologybased on Android to assist transactions so that it is easy to carry anywhere
ANALISIS PREDIKSI DETEKSI STROKE DENGAN PENDEKATAN EDA DAN PERBANDINGAN ALGORITMA MACHINE LEARNING Sri Hartati Sinaga; Alfred Army Man Duha; Jepri Banjarnahor
JURNAL ILMIAH BETRIK Vol. 14 No. 02 AGUSTUS (2023): JURNAL ILMIAH BETRIK : Besemah Teknologi Informasi dan Komputer
Publisher : P3M Institut Teknologi Pagar Alam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36050/betrik.v14i02 AGUSTUS.120

Abstract

Stroke menjadi salah satu penyakit serius di seluruh dunia dengan dampak fatal yang menyebabkan kecacatan fisik serta mental. Deteksi dan prediksi dini stroke penting untuk mencegah dampak buruk pada kesehatan pasien. Dalam upaya meningkatkan kualitas prediksi dan deteksi stroke, penelitian ini berfokus pada analisis dan pemodelan prediktif menggunakan teknik Exploratory Data Analysis (EDA) dan algoritma klasifikasi, khususnya Support Vector Machine (SVM) dan Random Forest Classifier (RFC). Melalui EDA (Exploratory Data Analysis), kita bisa mendapatkan pemahaman yang lebih mendalam tentang faktor risiko dan indikator potensial yang terkait dengan stroke. Hasil yang didapat menunjukkan bahwa melalui analisis korelasi, ditemukan usia (umur) memiliki korelasi positif yang kuat dengan kejadian stroke, menunjukkan semakin tua usia seseorang, semakin tinggi risiko terkena stroke dalam dataset ini. Model RFC memiliki performa lebih baik dengan akurasi 91% dibandingkan SVM dengan akurasi 90% pada data uji setelah penyetelan hiperparameter. Kedua model efektif dalam mengidentifikasi risiko stroke. Dalam perbandingan ROC-AUC, keduanya menunjukkan kinerja yang sangat baik, SVM memiliki hasil 0.901 dan RFC memiliki hasil 0.910.
Comparison Analysis of C4.5 Algorithm and KNN Algorithm for Predicting Data of Non-Active Students at Prima Indonesia University Banjarnahor, Jepri; Zai , Ferman; Sirait , Janiali; Nainggolan , Dicky Wijaya; Sihombing , Nissi Grace Dian
Sinkron : jurnal dan penelitian teknik informatika Vol. 7 No. 4 (2023): Article Research Volume 7 Issue 4, October 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i4.12879

Abstract

Education is important nowadays because universities need to improve their students' skills so they can compete in the globalization era. Education can be obtained through both formal and informal channels, and knowledge is available everywhere, especially in today's world where information tools are rapidly evolving. Inactive students are students who do not participate in a course for a maximum of two consecutive semesters. Students who are not active have the opportunity to drop out of university studies. Students who drop out of college are usually motivated by economic factors, and the cessation of the lecture process can cause inactivity and administrative costs. Therefore, this research was conducted using the C4.5 algorithm method and the K-Nearest Neighbor (KNN) algorithm to compare and predict data on inactive students at Universitas Prima Indonesia. The research continued with the data collection and data preprocessing stages, after which the data mining process was carried out to get the final results of this research. The testing process follows the process of comparing the C4.5 algorithm and the K-Nearest Neighbor (KNN) algorithm with K-fold crossing. This evaluation step is compared by considering the comparison values of the confusion matrix (precision, precision, recall). The accuracy results obtained by each algorithm provide information about the effectiveness of using these techniques in processing the specified dataset. The accuracy of the Decision Tree C4.5 algorithm is 99.12% and the K-Nearest Neighbors algorithm is 99.14%. Based on research conducted using the K-Nearest Neighbors and C4.5 algorithms to predict inactive students, the KNN algorithm is more accurate than the C4.5 algorithm.
Application of Decision Tree Method in ECG Signal Classification For Heart Disorder Detection Banjarnahor, Jepri; Sinaga, Friska; Sitorus, Dedi Setiadi; Sitanggang, Wahyu Adventus Andreas; Turnip, Mardi
Sinkron : jurnal dan penelitian teknik informatika Vol. 8 No. 2 (2024): Article Research Volume 8 Issue 2, April 2024
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v8i2.13596

Abstract

Cardiovascular Disease (CVD) is a group of diseases that affect the heart and blood vessels, and it is the leading cause of death globally. In Indonesia, Coronary Heart Disease (CHD) is one of the most prevalent CVDs. However, due to the high cost of drugs, lengthy treatment duration, and various supporting examinations required, treating CHD can be very expensive. An obstacle to treating heart disease in Indonesia is the insufficient number of cardiologists and experts experienced in interventional cardiology. Along with technological developments, the computer science community is encouraged to contribute to the medical field. For instance, using an electrocardiogram (ECG) can help prevent and minimize problems arising from heart disease. An Electrocardiogram (ECG) is a medical test that measures and records the heart’s electrical activity using a machine that detects electrical impulses. The use of Artificial Intelligence (AI) in ECG is rapidly increasing and has shown to have great potential in improving the diagnosis and treatment of cardiac patients. AI has become a valuable tool in helping doctors diagnose, predict risk, and manage heart disease with greater accuracy, speed, and precision. One of the machine learning methods used in this research is the decision tree method, which is often employed to make decisions. The decision tree method exhibited promising results, with an accuracy rate of 99% in identifying heart defects at an early stage. This method has significant potential to assist doctors in diagnosing heart defects at an early stage with high accuracy.
Analysis And Prediction Of Global Population Using Random Forest Regression Banjarnahor, Jepri; JetaJones, Catherine; Gulo, Esthin Mitra; Sianturi, Angelia Chrismeshi Sheila
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 8 No. 1 (2024): JUSIKOM: JURNAL SISTEM INFROMASI ILMU KOMPUTER
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jurnalsisteminformasidanilmukomputer.v8i1.5312

Abstract

This research evaluates the performance of the random forest regression algorithm in predicting global population growth from time series data. The findings indicate that population growth predictions remain stable, with an annual increase of less than 1%. Model analysis using evaluation metrics such as Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and model scores demonstrates high quality, with average values below 0.5. These results imply that the model can deliver optimal and consistent outcomes. The model shows potential for accurate predictions when tested on datasets. Further analysis reveals a population increase of 0.88% in 2024, equating to an addition of approximately 70,206,291 people, and a rise of 0.91% in 2025, adding about 73,524,552 people
Analyzing Consumer Shopping Interest via Social Media Ads with K-Means and C4.5 Algorithm Banjarnahor, Jepri; Hutagalung, Jessy Putrionom; Sitorus, Ferdinand Jery Wilkinson
Jurnal Sisfokom (Sistem Informasi dan Komputer) Vol. 13 No. 3 (2024): NOVEMBER
Publisher : ISB Atma Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32736/sisfokom.v13i3.2228

Abstract

It is increasingly important to understand how advertisements affect consumers' propensity to shop as social media becomes the primary medium for advertising. This study uses the C4.5 algorithm for classification and K-Means Clustering for data segmentation to examine the level of consumer shopping interest driven by Facebook and Instagram ads. This strategy utilizes information collected from user interactions with ads on these two social media platforms to determine consumer interest trends more precisely. The research findings show that, compared to conventional methods, this combination of techniques can increase the accuracy of predicting consumer purchase intention by as much as 85%. These results not only validate the usefulness of clustering and classification methods in digital advertising data analysis, but also offer insights that companies can apply to optimize their marketing strategies. By understanding more specific consumer segments, companies can target their ads more precisely, thereby increasing conversions and the effectiveness of advertising campaigns. This research makes a significant contribution to the field of data analysis and digital marketing and opens up opportunities for further research in the integration of more sophisticated analysis methods
10.34012 PENERAPAN DATA MINING DENGAN ALGORITMA ID3 UNTUK MEMPREDIKSI PENJUALAN ( STUDI KASUS : PT. TATA WARNA CIPTA PERKASA ) Banjarnahor, Jepri; Reinaldo, Erick; Indra, Evta
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2020): 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/jusikom.v3i2.836

Abstract

Di zaman teknologi ini, masih banyak pemanfaatan teknologi yang tidak maksimal, misalnya pada bidang pengelolahan data, banyak perusahaan besar yang memiliki permasalahan pada bidang ini. PT. Tata Warna Cipta Perkasa merupakan perusahaan berada di kota medan yang bergerak di bidang penjualan bahan bangunan berupa baja ringan seperti rangka baja ringan, reng, dan gypsum. PT. Tata Warna Cipta Perkasa memiliki permasalahan pada pengolahan data stock barang. Permasalahan ini mengakibatkan penumpukan stock barang, tidak terpenuhinya kebutuhan konsumen, dan tidak adanya data yang jelas tentang stock barang.
PENERAPAN METODE FUZZY MAMDANI UNTUK MENGANALISA PENTINGNYA KEDISIPLINAN DAN KOMUNIKASI UNTUK MENINGKATKAN PRESTASI KERJA KARYAWAN Tamba, Saut Parsaoran; Wibowo, Yonatan Adi; banjarnahor, jepri; Damanik, Ruth Tetra
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2020): 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/jusikom.v3i2.937

Abstract

Penilaian prestasi kerja karyawan pada suatu perusahaan atau instansi, sangat berguna untuk mengevaluasi kerja dan memotivasi masing-masing karyawan untuk memenuhi standard kinerja yang telah ditentukan. Karyawan yang berprestasi bukan hanya mempunyai kemampuan yang tinggi dalam menyelesaikan pekerjaan tetapi juga bisa berkomunikasi yang baik serta mempunyai kedisiplinan. dengan demikian hasil pekerjaan akan dapat diharapkan menjadi lebih baik. PT. Universal merupakan sebuah perusahaan yang bergerak dalam bidang produksi obat-obatan, yang berada di kota Medan. Sistem yang digunakan untuk pencapaian kinerja karyawan saat ini masih bersifat manual dan belum secara maksimal memanfaatkan teknologi dalam mengembangkan proses bisnis, serta peningkatan efektifitas dalam pekerjaan mereka. Hal ini disebabkan oleh sistem penilaian yang terbangun belum didasarkan pada kompetensi individu. Selain itu proses penilaian membutuhkan waktu lama dan dokumentasi tidak teratur. Dalam pencapaian prestasi karyawan yang maksimal, sangat dibutuhkan peranan dari komunikasi dan kedisiplinan yang tinggi dari karyawan. Fuzzy Mamdani merupakan salah satu metode yang sangat fleksibel dan memiliki toleransi pada data yang ada. Variabel – variabel yang dipakai dalam penilaian prestasi karyawan adalah kedisiplinan dan komunikasi, yang akan dijadikan input. Berdasarkan kedua input yang dimasukkan maka output untuk prestasi kerja karyawan adalah 86.8 yang merupakan keanggotaan dari domain himpunan fuzzy sangat memuaskan [70 100] yang berarti prestasi kerjanya sangat memuaskan.
ANALISIS SISTEM MENGGUNAKAN METODE SUBSTRAKSI UNTUK MODEL LALU LINTAS KENDARAAN SECARA REALTIME Banjarnahor, Jepri; Giawa, Well Friend; Simamora, Wanda Pratama Putra; Pratiwi, Dina; Rahil, Rafif; Indra, Evta; NK Nababan, Marlince
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.v5i1.1891

Abstract

Pengetahuan tentang teknologi visi komputer semakin maju serta sejalan dengan kebutuhan akan sistem yang terkendali secara terus menerus, menyebabkan penelitian di bidang visi komputer akan terus dilakukan. Kebutuhan akan sistem kendali pengaturan volume kendaraan (TrafikPlan) sudah sangat dibutuhkan pada era sekarang ini dikarenakan tingkat penjualan kendaraan semakin meningkat tetapi peningkatan jalan yang tersedia tidak mencukupi. Penelitian ini mencoba untuk membuat sebuah model lalu lintas dengan beberapa metode pada visi komputer hough transform sebagai batas area yang akan dideteksi serta connected compenent labeling (CCL) dalam penghitungan jumlah kepadatan pada area yang dideteksi memungkinkan pengaturan kendaraan menggunakan sistem secara realtime akan terwujud. Penelitian ini mengambil inputan citra berupa video dan akan dieksekusi pada pengujian program dengan tahapan proses dari segmentasi, deteksi tepi, hough transform, eliminasi, subtraksi, grayscale dan threshold, morfologi, dan CCL. Hasil pengujian akan mendeteksi jumlah kendaraan serta persentase kepadatan jalan yang dilalui apakah sepi, sedang atau padat.
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.
Co-Authors -, Amalia -, Evta Indra Alfred Army Man Duha Andreas Nababan Aurelia Xinara Lim Barasa, Randy Aldany Bawamenewi, Deskarya Chau, Sugandi Damanik, Ruth Tetra David C. Hutajulu Dikky Irfansyah Dina Pratiwi, Dina Elekda Permata Sari Manurung Fransisca Giawa, Well Friend Gulo, Esthin Mitra Haposan Lumbantoruan Hutagalung, Jessy Putrionom Indra, Evta Ira Monalisa Irfansyah, Dikky JetaJones, Catherine Junita Sari Ninggolan Kasa Lopian Kelvin Kelvin Khosandy, Vincent Kumala, Sinta Lumbantobing, Christian Frederic Mardi Turnip, Mardi Medalsan C Monalisa, Ira Munte, Syahrian Peralla Nainggolan , Dicky Wijaya NK Nababan, Marlince Oloan Sihombing Oloan Sihombing, Oloan Ompusunggu, Elvis Sastra Panjaitan, Mega Lastarida Purba, Windania Rahil, Rafif Reinaldo, Erick Relungwangi, Galuh Wira Ridho, Muhammad Alfathan Ruth Agnes E. Tarihoran Saut Parsaoran Tamba Setiawan, Wendy Shandika , Muhammad Faja Shriram ram Siahaan, Mikael Sianturi, Angelia Chrismeshi Sheila Sihombing , Nissi Grace Dian Simamora, Wanda Pratama Putra Simatupang, Silvina Enjelia Br Sinaga, Wilson Sinta Kumala Sinurat, Stiven Hamonangan Sirait , Janiali Siregar, Regina Sitanggang, Wahyu Adventus Andreas Siti Aisyah Sitorus, Dedi Setiadi Sitorus, Ferdinand Jery Wilkinson Solly Aryza Sri Hartati Sinaga Sugandi Chau Syahrian Peralla Munte Tamba, Saut Parsaoran Tanoto, Carvin Tanzil, Alferedo Unggul Siregar Wibowo, Yonatan Adi Winata, Jaspin Yanmil V. H. Purba Yanto, Willi Yonata Laia Yulianus Zega Zai , Ferman Zuhdi, Muhammad Fikri Akbar