Article Per Year (5 Year)
p-Index From 2021 - 2026
2.87
P-Index
This Author published in this journals
All Journal UG Journal Jurnal Teknik Komputer AMIK BSI Jurnal Pilar Nusa Mandiri Techno Nusa Mandiri : Journal of Computing and Information Technology J-SAKTI (Jurnal Sains Komputer dan Informatika) IJISTECH (International Journal Of Information System & Technology) JISICOM (Journal of Information System, Infomatics and Computing) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Sistem Informasi dan Sistem Komputer IJISTECH J-SAKTI (Jurnal Sains Komputer dan Informatika) Digital Transformation Technology (Digitech) Journal of Artificial Intelligence and Digital Business J-Icon : Jurnal Komputer dan Informatika
Susliansyah, Susliansyah
Universitas Bina Sarana Informatika
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Health Professions Library & Information Science Social Sciences Other

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

Found 31 Documents
Search

 1   2   3   4 
Rekomendasi Pemilihan Mitra Kerja Proyek Dengan Menggunakan Metode Electre Pada Perusahaan Industri Susliansyah, S; Kusnadi, Yahdi; Irfiani, Eni; Indriyani, Fintri
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 5, No 1 (2021): EDISI MARET
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v5i1.340

Abstract

Industrial companies, which are one of the players in the economy, are currently experiencing increasingly fast and rapid competition in industrial development. Industrial companies in selecting partners are still using the conventional way of recording partner data and assessing each partner, but some of these records are missing, making it difficult for the company to choose which one has a good performance. In addition, the company still applies subjective methods, namely based on the experience of being partners and being close to people who have power, in the end the company is unable to recommend which partners to accept or which are not accepted. The method that will be used to solve problems is by using the ELECTRE method, which has seven stages, namely Normalization of the Decision Matrix, Weighting the Normalized Matrix, Determining Concordance and Discordance Sets on the Index, Calculating Concordance and Discordance Matrices, Calculating Dominant Concordance and Discordance Matrices, Determine, Aggregate Dominance Matrix and Elimination of Less Favorable Alternatives. The results show that A2, A8 and A4 are the best alternatives from the other 12 alternatives. While the lowest alternatives are A1, A3, A5, A6, A7, A9, A10, A11 and A12.
Pengelompokkan Data Pembelian Tinta Dengan Menggunakan Metode K-Means Susliansyah, Susliansyah; Sumarno, Heny; Priyono, Hendro; Hikmah, Noer
J-SAKTI (Jurnal Sains Komputer dan Informatika) Vol 3, No 2 (2019): EDISI SEPTEMBER
Publisher : STIKOM Tunas Bangsa Pematangsiantar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30645/j-sakti.v3i2.156

Abstract

PT. Mayer Indah Indonesia is engaged in the production of goods, where the most important part to prepare the needs for production needs is the purchasing department, but in the purchasing section it is difficult to determine which items must be bought a lot, are and few in meeting the demand requirements of each part because of the needs goods for production are very unpredictable, eventually causing some goods demand not to be fulfilled because the goods are out of stock. To solve the problems experienced by the purchasing part, datamining using clustering algorithm is k-means method, where the initial stages determine the centroid randomly and do the first iteration calculation and determine the new centroid from the first iteration, then the second iteration calculation is done, because the results of the first and second iterations in the smallest layout of the three groups, the calculation stops. The results obtained by using the ink purchase data seen from the three attributes of incoming goods, items purchased and stock of goods, making it easier and help the purchasing department in classifying items that must be purchased a lot, medium and little.
USE OF UI/X ON WEBSITE RECOMMENDATION OF LAPTOP SPECIFICATIONS WITH K-MEANS ALGORITHM Susliansyah, Susliansyah; Sumarno, Heny; Priyono, Hendro; Maulida, Linda; Indriyani, Fintri
J-Icon : Jurnal Komputer dan Informatika Vol 13 No 1 (2025): March 2025
Publisher : Universitas Nusa Cendana

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35508/jicon.v13i1.20552

Abstract

The process of choosing a laptop that suits their needs is often a challenge for consumers because of the variety of specifications and features offered. Many consumers find it difficult to make the right choice, especially because the information available is often not well structured. In addition, each individual's needs vary, ranging from use for daily productivity to special needs such as gaming or graphic design. Therefore, this study aims to develop a prototype design of a laptop recommendation system using the K-Means clustering algorithm, which is able to group laptop specification data into certain clusters based on the similarity of features. A total of 25 laptop specification data were used in this analysis, with the main parameters being RAM capacity and SSD capacity. The data was processed using the data mining method, and the K-Means algorithm was applied to perform grouping. The optimal number of clusters is determined using the elbow method to ensure accurate and relevant results. The results of the grouping show that laptops can be classified into specific groups that represent consumer needs, such as use for daily productivity or high-load work. The prototype design of this system was created using Figma to visualize an intuitive and easy-to-use user interface (UI). With this prototype design, it is hoped that it can be a reference in the development of a system that makes it easier for consumers to choose a laptop that suits their preferences and needs.
IMPLEMENTASI METODE K-MEANS UNTUK PENGELOMPOKKAN KATA BERINDIKASI CYBERBULLYING PADA KOMENTAR TIKTOK Syawal, Muhamad Akmal; Rayhan, Cahya Muhammad; Pradhana, Bintang Arfiandi; Richardo, Yusuf Jordi; Rizal, Khairul; Susliansyah, Susliansyah
Journal of Information System, Informatics and Computing Vol 9 No 2 (2025): JISICOM (December 2025)
Publisher : Sekolah Tinggi Manajemen Informatika dan Komputer Jayakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52362/jisicom.v9i2.2163

Abstract

Perkembangan pesat media sosial seperti TikTok membawa peningkatan kasus cyberbullying yang berdampak negatif pada korban, termasuk tekanan mental. Penelitian ini bertujuan mengimplementasikan metode clustering sebagai pendekatan pembelajaran tanpa pengawasan untuk mengelompokkan kata-kata indikasi cyberbullying dalam komentar TikTok. Dataset komentar TikTok diolah melalui pra-pemrosesan teks seperti tokenisasi dan normalisasi. Metode clustering digunakan untuk mengelompokkan komentar berdasarkan kemiripan pola kata tanpa memerlukan data berlabel. Hasil pengelompokan mengidentifikasi pola kata konsisten yang menjadi indikasi cyberbullying, mendukung deteksi otomatis tindakan bullying di media sosial. Penelitian ini menyimpulkan bahwa pendekatan clustering efektif dalam mengenali ciri cyberbullying dan direkomendasikan untuk pengembangan sistem moderasi konten di TikTok guna mengurangi dampak negatif cyberbullying.
Implementasi Mobilenetv2 Untuk Aplikasi Edukasi Sejarah Monumen Nasional Berbasis Computer Vision Rahman, Ryan; Maharani, Sherly; Toni, Maria Igniosa; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1200

Abstract

Kemajuan teknologi mobile dan kecerdasan buatan telah membuka peluang baru dalam penyediaan materi pendidikan interaktif pada ranah sejarah dan pariwisata. Penelitian ini mengembangkan aplikasi mobile edukatif untuk Monumen Nasional dengan menerapkan model MobileNetV2 dalam tugas computer vision. Aplikasi memungkinkan pengunjung memindai objek sejarah dari Monas menggunakan kamera smartphone dan memperoleh informasi secara instan. Model MobileNetV2 dipilih karena efisiensi komputasi, ukuran ringan, dan akurasi tinggi yang sesuai untuk perangkat mobile. Penelitian ini melibatkan lima tahap utama berdasarkan metode CRISP-DM: analisis kebutuhan, pengumpulan data, pra-pemrosesan citra, pelatihan model, serta integrasi model ke aplikasi. Hasil pengujian menunjukkan akurasi klasifikasi sebesar 99%, nilai loss 0,02, dan nilai loss saat validasi 0,06, menandakan model mencapai konvergensi stabil dengan indikasi overfitting yang ringan. Temuan ini menunjukkan efektivitas MobileNetV2 dalam aplikasi edukatif berbasis computer vision yang efisien di perangkat mobile, serta berkontribusi pada pelestarian budaya melalui media edukatif interaktif.
Klasifikasi Jamur Beracun dan Tidak Beracun Menggunakan Transfer Learning Model Mobilenetv2 Pada Tensorflow di Indonesia Hidayatullah, Syafiq; Insan Cemerlang, Adinda Gadis; Permana, Rifaldi Bagas; Rizal, Khairul; Hidayat, Rahmat; Susliansyah, Susliansyah
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1211

Abstract

Jamur memiliki peran penting dalam pangan dan kesehatan, tetapi kesamaan morfologis antara jamur beracun dan tidak beracun menyulitkan identifikasi akurat. Penelitian ini mengklasifikasikan jamur beracun dan tidak beracun di Indonesia menggunakan Transfer Learning dengan arsitektur MobileNetV2 pada TensorFlow. Metode penelitian mengikuti tahapan CRISP-DM yang mencakup pengumpulan data, pra-pemrosesan citra, pelatihan model, serta evaluasi kinerja. Model MobileNetV2 mencapai akurasi 99,13%, precision 99,49%, recall 98,97%, dan F1-score 99%. Grafik akurasi dan loss menunjukkan peningkatan kinerja yang stabil tanpa overfitting. Hasil ini menegaskan efektivitas Transfer Learning menggunakan MobileNetV2 dalam identifikasi fitur visual jamur. Model ini berpotensi diaplikasikan pada platform web atau aplikasi mobile sebagai alat bantu identifikasi jamur otomatis, mengurangi risiko keracunan.
Implementasi Sistem Presensi Mahasiswa Berbasis Pengenalan Wajah Menggunakan Model Facenet (CNN Backbone) dan Metode KNN Maliki, Maliki; Lestari, Lintang Aisah; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
Jurnal Sistem Informasi dan Sistem Komputer Vol 11 No 1 (2026): Vol 11 No 1 - 2026
Publisher : STIMIK Bina Bangsa Kendari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51717/simkom.v11i1.1217

Abstract

Kemajuan teknologi kecerdasan buatan dan pemrosesan citra mendorong pengembangan sistem presensi yang lebih efektif dan akurat pada lingkungan perguruan tinggi. Penelitian ini difokuskan untuk menyusun dan mengimplementasikan sistem presensi mahasiswa menggunakan pengenalan wajah menggunakan FaceNet (CNN Backbone) sebagai ekstraktor fitur, sedangkan metode K-Nearest Neighbors (KNN) untuk klasifikasi identitas. Penelitian dilakukan melalui delapan tahapan, yaitu data collecting, exploratory data analysis, data preprocessing, model training, model evaluation, deployment, system testing, dan monitoring. Dataset yang digunakan terdiri dari 325 citra wajah dari 13 kelas mahasiswa dengan variasi pose, ekspresi, dan kondisi pencahayaan. Pengujian sistem dilakukan pada beberapa skenario utama, termasuk variasi intensitas cahaya dan jarak wajah ke kamera. Hasil pengujian menunjukkan akurasi pengenalan wajah sebesar 97% pada dataset yang digunakan dengan performa sistem yang stabil. Hasil ini menunjukkan bahwa kombinasi FaceNet (CNN Backbone) dan KNN efektif untuk mendukung presensi mahasiswa otomatis di lingkungan perguruan tinggi.
Sistem Deteksi Warna Real-Time untuk Aksesibilitas Penderita Buta Warna Marbun, Stephanie Rotua Uli; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5155

Abstract

Penelitian ini mengembangkan sistem deteksi warna real-time berbasis computer vision yang bertujuan untuk mendukung aksesibilitas bagi penderita buta warna dalam mengenali warna objek secara cepat dan akurat. Warna merupakan elemen penting dalam penyampaian informasi visual, namun keterbatasan persepsi warna dapat menyebabkan kesalahan interpretasi pada aktivitas sehari-hari. Oleh karena itu, diperlukan solusi berbasis teknologi yang mampu membantu pengguna dalam mengidentifikasi warna secara mandiri melalui perangkat mobile. Sistem yang dikembangkan mengintegrasikan model deteksi objek YOLOv11 dengan metode klasifikasi warna menggunakan OpenCV berbasis ruang warna HSV. Dataset yang digunakan merupakan data primer yang dikumpulkan secara mandiri melalui pengambilan citra objek berwarna pink, hijau, dan kuning dengan variasi kondisi pencahayaan, jarak, dan sudut pengambilan. Tahapan penelitian meliputi pengumpulan data, preprocessing citra, pelatihan model, integrasi sistem ke aplikasi Android, serta evaluasi performa. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan warna secara real-time dengan tingkat akurasi rata-rata sebesar 92% dan waktu respons di bawah 0,5 detik per frame. Implementasi pada aplikasi Android menunjukkan performa yang stabil pada kondisi pencahayaan normal dan latar belakang yang bervariasi. Dengan demikian, penelitian ini membuktikan bahwa pemanfaatan teknologi deep learning dan pengolahan citra digital dapat memberikan solusi praktis dan efektif dalam meningkatkan aksesibilitas bagi penderita buta warna serta berpotensi dikembangkan lebih lanjut pada skala penggunaan yang lebih luas.
Rancangan Aplikasi Algoritma C4.5 pada Stunting Balita Menggunakan Bahasa Phyton Susliansyah Susliansyah; Sigit Yugi Wargiyo; Heny Sumarno; Hendro Priyono; Linda Maulida
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 1 (2025): Volume 9 Nomor 1 Januari 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i1.14426

Abstract

Stunting pada balita merupakan salah satu masalah kesehatan serius di Indonesia, yang memengaruhi pertumbuhan fisik dan kognitif anak. Dalam upaya memahami dan memprediksi faktor-faktor risiko yang berkaitan dengan stunting pada balita, digunakan teknologi data mining. Penelitian ini bertujuan mengembangkan aplikasi berbasis algoritma C4.5 untuk memprediksi status gizi balita, menggunakan bahasa pemrograman Python dan aplikasi Orange. Data yang berasal dari dataset "Stunting Toddler Detection" di Kaggle, dengan fokus pada variabel umur, tinggi badan, dan status gizi. Data tersebut digunakan sebagai bahan analisis, dengan tahapan preprocessing, integrasi data, hingga penerapan algoritma C4.5. Metode penelitian melibatkan pengolahan data menggunakan Python untuk analisis awal, sementara Orange dimanfaatkan untuk membangun pohon keputusan dan evaluasi model. Hasil pengujian menunjukkan algoritma C4.5 menghasilkan akurasi sebesar 36% di Orange dan 40% di Python, dengan faktor utama yang memengaruhi status gizi balita adalah tinggi badan. Aplikasi yang dikembangkan juga dilengkapi antarmuka visual untuk mempermudah tenaga kesehatan dan pemangku kebijakan dalam menganalisis risiko stunting.
Penerapan Klastering pada Data Mining dalam Menentukan Status Gizi Anak Balita dengan Menggunakan Algoritma K-Medoids Susliansyah Susliansyah; Heny Sumarno; Hendro Priyono; Linda Maulida; Fintri Indriyani
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v10i1.15710

Abstract

Status gizi balita merupakan indikator penting yang mencerminkan kesehatan dan perkembangan anak. Penilaian gizi biasanya dilakukan melalui pengukuran berat badan, tinggi badan, serta perhitungan Indeks Massa Tubuh (IMT). Namun, proses klasifikasi secara manual seringkali membutuhkan waktu dan berisiko menimbulkan ketidaktepatan, sehingga diperlukan metode yang lebih efisien. Penelitian ini menggunakan pendekatan data mining dengan algoritma k-medoids untuk mengelompokkan status gizi balita. Algoritma ini bekerja dengan menentukan medoid sebagai pusat kelompok yang mewakili karakteristik balita berdasarkan tinggi, berat, dan IMT. Balita lain kemudian diklasifikasikan sesuai jarak terdekat dengan medoid tersebut. Hasil penelitian menunjukkan bahwa penerapan k-medoids mampu mengelompokkan balita ke dalam kategori normal, kurang gizi, dan obesitas secara lebih sistematis. Temuan ini diharapkan dapat membantu tenaga kesehatan dalam mengidentifikasi balita yang membutuhkan tindakan secara khusus, sehingga mendukung tumbuh kembang anak secara optimal.
Co-Authors Aditia Dwinanto Annisa Dwi Wijayanti Asep Saepudin Deleaniara. M, Chyntia Marianna Eni Irfiani Fintri Indriyani Frisma Handayanna Hendro Priyono Heny Sumarno, Heny Hidayatullah, Syafiq Hikmah, Noer Hutauruk, Stanley Ravelino Indra Riyana Rahadjeng Insan Cemerlang, Adinda Gadis Keane, Teuku Nizam Lestari, Lintang Aisah Linda Maulida Maharani, Sherly Maliki Maliki Marbun, Stephanie Rotua Uli Marpaung, Hendrick Jonathan Maulida , Linda Maulida, Linda Nisan Nisan Pangestu, Rizqyana Permana, Rifaldi Bagas Pradhana, Bintang Arfiandi Priyono, Hendro Pura, Arya Rahman, Ryan Rahmat Hidayat Rayhan, Cahya Muhammad Richardo, Yusuf Jordi Ririn Restu Aria Rizal, Khairul Sarita, Nur Sigit Yugi Wargiyo Suardika, Deni Syawal, Muhamad Akmal Toni, Maria Igniosa Wijayanti, Annisa Dwi Yahdi Kusnadi Yahdi Kusnadi, Yahdi