Article Per Year (5 Year)
p-Index From 2021 - 2026
2.946
P-Index
This Author published in this journals
All Journal Query : Jurnal Sistem Informasi JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Jurnal Tekinkom (Teknik Informasi dan Komputer) INFOKUM Jurnal Teknologi Informatika dan Komputer Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi
Evta Indra
Universitas Prima Indonesia
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
IMPLEMENTASI METODE LONG SHORT TERM MEMORY UNTUK MEMPREDIKSI PERGERAKAN NILAI HARGA EMAS Michael Owen; Vincent Vincent; Riama Br Ambarita; Evta Indra
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 5 No 1 (2022)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v5i1.507

Abstract

Investment is an activity that is invested or financed with the hope of profit or return in the future. One form of investment is to use gold. Many people are interested in investing in gold. Apart from being quite affordable, investing in gold is also very easy to do and flexible. Gold is included in the low risk investment class because its price movements tend to follow the rate of inflation. This study uses the Long Short Term Memory (LSTM) method to predict the movement of gold prices which will visualize the data in the form of a Line Chart. This study aims to provide decision support material regarding the movement of buying and selling prices of gold through the presentation of data aimed at people who invest in gold. However, real gold price movements cannot be separated from external factors such as the exchange rate of the rupiah against foreign currencies, import export policies and other government policies. There are many influencing factors such as opening price, closing price, adjust close, volume, highs, lows recorded over a certain period of time. Another factor is the Daily Return which can be positive (Grown In Value) and negative (Lost In Value).
Pengenalan Microsoft Office Bagi Guru TKA-TPA Islam Umaira Medan Anita Anita; Muhardi Saputra; Sri Wahyuni Tarigan; Marlince N K Nababan; Evta Indra
Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Vol 2, No 1 (2022): April 2022
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (181.784 KB) | DOI: 10.54314/jpstm.v2i1.956

Abstract

Abstrak: Aplikasi office sudah sangat sering digunakan sesuai dengan kebutuhan sehari-hari dalam mendokumentasikan secara digital, baik berupa teks, angka dan presentasi. Berkembangnya aplikasi microsoft office setiap tahunnya membuat para guru kesulitan dalam mengikuti perkembangannya sehingga banyak guru yang belum mengenal dan paham akan penggunaan aplikasi tersebut. Maka itu kegiatan pengenalan microsoft office ini bertujuan untuk meningkatkan pengetahuan dan wawasan serta keterampilan kepada guru tentang penggunaan microsoft office yaitu microsoft word dan microsoft excel untuk proses adminitrasi ataupun pembelajaraan. Melalui pengabdian masyarakat ini guru juga dapat meningkatkan kompetensi profesional terutama dalam pemanfaatan teknologi pada proses pembelajaran. Sehingga guru TK bisa mengenal dan paham akan penggunaan microsoft office secara tepat.Kata kunci: Pengenalan Aplikasi; Microsoft Office; Guru-GuruAbstract: Office applications are very often used in accordance with daily needs in digitally documenting, both in the form of text, numbers and presentations. The development of Microsoft Office applications every year makes it difficult for teachers to follow its development so that many teachers do not know and understand the use of these applications. Therefore, the introduction of Microsoft Office activities aims to increase knowledge and insight and skills to teachers about the use of Microsoft Office, namely Microsoft Word and Microsoft Excel for the administration or learning process. Through this community service, teachers can also improve professional competence, especially in the use of technology in the learning process. So that kindergarten teachers can recognize and understand the proper use of Microsoft Office.Keywords: office application; microsoft office; teachers
Algoritma Deep Learning untuk Pengklasifikasian Penyakit Radang Paru-Paru pada Citra Chest X-Ray dengan Convolutional Neural Network Putri Rahma Dewi; Juli Yanti Kartika Harahap; Evta Indra
Jurnal Teknologi Informatika dan Komputer Vol 9, No 1 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i1.1371

Abstract

Radang paru-paru (Pneumonia) adalah salah satu penyakit paru-paru yang menyerang saluran pernapasan yang menyebabkan penderitanya kesulitan untuk bernapas dikarenakan terjadinya pembengkakan pada paru-paru. Tindakan yang dilakukan oleh dokter untuk mengetahui seseorang mengalami radang paru-paru adalah dengan melakukan rontgen pada dada pasien dan menganalisa hasil dari foto rontgen atau gambar citra chest x-ray pasien secara manual. Oleh karena itu, dilakukan penelitian untuk mengkasifikasikan penyakit radang paru-paru melalui citra x-ray dengan menggunakan algoritma deep learning yaitu Convolutional Neural Network (CNN). Pada metode Convolutional Neural Network (CNN) ini digunakan 5266 data citra chest x-ray sebagai data training dan 592 data citra chest x-ray sebagai data testing, dimana dua data tersebut sudah terbagi menjadi citra chest x-ray normal dan citra chest x-ray radang paru-paru. Pada penelitian ini diperoleh hasil berupa Accuracy sebesar 92.22 %, Recall sebesar 98.41 %, Precision sebesar 90.29% dan f1-score sebesar 94.17%. Penelitian ini juga menunjukkan confusion matrix bahwa model memiliki tingkat negatif palsu yang rendah, tetapi tingkat positif palsu yang tinggi. Hal tersebut lebih baik dari pada terlalu banyak citra chest x-ray yang tidak terdeteksi penyakit radang paru-paru.
Perbandingan Algoritma K-Nearest Neighbors (K-NN) dan Random forest terhadap Penyakit Gagal Jantung Fredilio Fredilio; Julfikar Rahmad; Stiven Hamonangan Sinurat; Daniel Ryan Hamonangan Sitompul; Dennis Jusuf Ziegel; Evta Indra
Jurnal Teknologi Informatika dan Komputer Vol 9, No 1 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i1.1432

Abstract

Penelitian ini bertujuan untuk membandingkan akurasi algoritma K-Nearest Neighbor (K-NN) dan Random Forest dalam mengklasifikasikan penyebab penyakit gagal jantung. Penyakit ini menjadi salah satu penyebab utama kematian di seluruh dunia dan kasusnya terus meningkat di Indonesia. Oleh karena itu, penanganan dan klasifikasi dini terhadap penyebab gagal jantung sangat diperlukan untuk mencegah penyakit tersebut. Penelitian ini diharapkan dapat memberikan informasi tentang metode terbaik untuk mengklasifikasikan penyebab penyakit gagal jantung serta memberikan manfaat bagi tenaga medis dan masyarakat umum dalam menjaga kesehatan jantung mereka.
PREDIKSI MATA UANG KRIPTO MENGGUNAKAN METODE ALGORITMA LINEAR REGRESSION Matthew Oullanley Lee; Delima Sitanggang; Evta Indra
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 1 (2023)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v6i1.757

Abstract

Cryptocurrencies are advanced monetary standards planned to operate as a medium of exchange over a arrange that's free of a central specialist, such as a government or bank. Cryptocurrencies have a tendency for price changes to occur which fluctuate like conventional currencies which can cause shifts in the market. This shift can affect cryptocurrencies, especially asset owners. The goal in this research is to predict data and provide accurate results to help cryptocurrencies players. In the process, web scraping is used to retrieve data This study will visualize the data in the form of a line chart by employing the linear regression algorithm to forecast the price movement of cryptocurrencies. nonetheless, digital forms of money costs can't be isolated from outside elements, for example, the conversion standard of rupiah against unfamiliar monetary forms. There are a lot of influencing factors, like when there is more demand than there is supply. The rise in bitcoin's price from $ 19,616.81 to $ 25,995.91 is evidence of this. A rise in market capital from $ 375,367,382,007.85 to $ 504,341,343,850 also helped. A cryptocurrency's demand is proportional to its market capitalization, which indicates how dominant it will be in the stock market. The daily return is another indicator that cryptocurrency movements can be either positive or negative.
Prediksi Nilai Ekspor Pulp di Indonesia Mengunakan Metode Long Short Term Memory Dinda Tamara Silaen; Aldowad Alles Sandro Hamonangan Simanjuntak; Kurniawan Tarigan; Evta Indra
Jurnal Teknologi Informatika dan Komputer Vol 9, No 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1599

Abstract

Ekspor pulp merupakan kegiatan ekonomi penting bagi perusahaan dan pemerintah, yang membutuhkan informasi akurat mengenai permintaan pasar dan strategi bisnis yang tepat. Metode Long Short Term Memory (LSTM) digunakan untuk memprediksi hasil produksi pulp di masa depan dengan memanfaatkan data historis dan faktor-faktor yang mempengaruhinya. Tahapan penelitian meliputi studi literatur untuk memahami metode LSTM, pengumpulan data, seleksi dan transformasi data untuk mempersiapkan dataset yang akan digunakan, serta visualisasi data ekspor untuk mendapatkan wawasan yang lebih baik. Selanjutnya, metode LSTM diterapkan dengan langkah-langkah pembentukan model, pelatihan model, prediksi nilai ekspor, dan evaluasi hasil prediksi. Hasil penelitian  ini untuk nilai Root Mean Squared Error (RMSE) terhadap produk Jumbo Roll Tissue, Napkin Tissue, Multi Purpose Tissue, dan Facial Tissue berturut-turut adalah 2.52, 1.88, 2.77, dan 2.67. Semakin kecil nilai RMSE, semakin baik performa model. Nilai RMSE yang kecil pada setiap produk menunjukkan bahwa model memiliki performa yang baik dalam memprediksi semua produk. Dengan prediksi yang lebih akurat, perencanaan produksi dan persediaan bahan baku dapat dilakukan dengan lebih efisien dan efektif, sehingga mengoptimalkan produktivitas dan mengurangi biaya produksi.Hasil penelitian ini diharapkan dapat membantu masyarakat dan pemerintah dalam pengambilan keputusan strategis terkait produksi pulp dan kebijakan ekspor. Selain itu, penelitian ini juga diharapkan dapat meningkatkan efisiensi pemasaran dan distribusi produk, meningkatkan pengetahuan tentang pasar dan produk, serta membuka peluang pasar baru untuk produk pulp.
PENERAPAN NATURAL LANGUAGE PROCESSING UNTUK ANALISIS SENTIMEN TERHADAP APLIKASI STREAMING: Bahasa Indonesia Paskariawan br Sihotang; Fanny Dameka br Sitanggang; Nadila Azriansyah; Evta Indra
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.96

Abstract

Aplikasi video streaming seperti Viu, Viki, dan WeTV sangat populer karena memberikan akses yang mudah dan nyaman bagi pengguna untuk menonton konten multimedia mereka. Menurut data dari Google Play Store per akhir tahun 2022, Viu, Viki, dan WeTv adalah layanan streaming teratas. VIU telah menerima lebih dari 100 juta unduhan dan 993.000 ulasan, Viki telah menerima lebih dari 50 juta unduhan dan 899.000 ulasan, dan WeTV telah menerima lebih dari 50 juta unduhan dan 545.000 ulasan meskipun dinilai terbaik dan menerima peringkat 5. Sangat penting untuk terus menilai seberapa baik layanan disampaikan kepada pengguna karena peringkat dan jumlah ulasan tidak selalu berarti bahwa tuntutan atau masalah pengguna telah terpenuhi. diperlukan sistem untuk memproses semua input pengguna, termasuk peringkat dan komentar. Untuk memastikan pengalaman yang baik bagi pengguna, penting bagi pengembang aplikasi untuk memahami perasaan dan harapan pengguna. karena itu, dilakukan penelitian untuk Analisis Sentimen terhadap Aplikasi Streaming Video menggunakan Pendekatan Support Vector Machine (SVM). Data diambil melalui proses scraping yang didasarkan pada informasi dari Google Play Store , pada aplikasi Viu, Viki, dan WeTv dengan jumlah 2400 data. Berdasarkan data yang ditemukan ulasan terbanyak terdapat pada ulasan tidak konsisten sebesar 89.5% dengan jumlah 2399 data. kemudian, pada ulasan dengan menggunakan diagram pie chart berdasarkan jam, data tersebut menggambarkan jumlah ulasan pada setiap jam terlihat bahwa jam 14.00 memiliki jumlah ulasan terbanyak dengan 7.4%. Pada penelitian ini diperoleh hasil berupa akurasi untuk pengujian model Regresi Logistik adalah 0,90 untuk data pelatihan dan 0,89 untuk data pengujian, selanjutnya pada pengujian model Decision Treedidapatkan hasil akurasi sempurna pada data latih sebesar 1.0, dan pada data uji sebesar 1.0.dan Hasil untuk pengujian akurasi menggunakan model SVM adalah 0,968 untuk data pelatihan dan 0,910 untuk data pengujian.
ANALISIS ULASAN PALSU PADA PRODUK FEMALE DAILY DENGAN PENDEKATAN NATURAL LANGUAGE PROCESSING Faijriah Nazla Sahira; Cloudia Stevani Saragih Sumbayak; Pungki Laurensius Ritonga; Delima Sitanggang; Evta Indra
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.100

Abstract

Ulasan produk memiliki peran penting dalam membentuk kepercayaan konsumen dan mempengaruhi keputusan pembelian. Namun, ulasan palsu dapat merugikan konsumen dengan memberikan informasi yang tidak akurat. Sehinga perlu dilakukan analisis untuk dapat mengetahui apakah terdapat ulasan palsu didalam ulasan-ulasan tersebut. Dengan demikian, kepercayaan pembeli terhadap produk dapat tetap terjaga. Penelitian ini dilakukan terbatas pada 10 produk Whitelab dengan ulasan sebanyak 3041 dan menggunakan model Decision Tree dan Logistic Regression untuk klasifikasi ulasan. Hasil penelitian menunjukkan bahwa ulasan dengan rating bintang 5 mendominasi dengan persentase 92,5%, namun terdapat juga ulasan tidak terdefinisi yang mengindikasikan ulasan palsu, terutama saat memberikan rating bintang 5. Model Decision Tree menghasilkan akurasi yang lebih baik dibandingkan dengan Logistic Regression, dengan akurasi data train mencapai 1.0 dan data test mencapai 91.96%. Sehingga dapat mengindikasikan kuat tentang ulasan palsu pada produk Whitelab di Female Daily, yang mungkin berasal dari buzzer atau pembeli palsu yang ingin mempengaruhi rating produk.
Prediksi Nilai Ekspor Pulp di Indonesia Mengunakan Metode Long Short Term Memory Dinda Tamara Silaen; Aldowad Alles Sandro Hamonangan Simanjuntak; Kurniawan Tarigan; Evta Indra
Jurnal Teknologi Informatika dan Komputer Vol. 9 No. 2 (2023): Jurnal Teknologi Informatika dan Komputer
Publisher : Universitas Mohammad Husni Thamrin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37012/jtik.v9i2.1599

Abstract

Ekspor pulp merupakan kegiatan ekonomi penting bagi perusahaan dan pemerintah, yang membutuhkan informasi akurat mengenai permintaan pasar dan strategi bisnis yang tepat. Metode Long Short Term Memory (LSTM) digunakan untuk memprediksi hasil produksi pulp di masa depan dengan memanfaatkan data historis dan faktor-faktor yang mempengaruhinya. Tahapan penelitian meliputi studi literatur untuk memahami metode LSTM, pengumpulan data, seleksi dan transformasi data untuk mempersiapkan dataset yang akan digunakan, serta visualisasi data ekspor untuk mendapatkan wawasan yang lebih baik. Selanjutnya, metode LSTM diterapkan dengan langkah-langkah pembentukan model, pelatihan model, prediksi nilai ekspor, dan evaluasi hasil prediksi. Hasil penelitian  ini untuk nilai Root Mean Squared Error (RMSE) terhadap produk Jumbo Roll Tissue, Napkin Tissue, Multi Purpose Tissue, dan Facial Tissue berturut-turut adalah 2.52, 1.88, 2.77, dan 2.67. Semakin kecil nilai RMSE, semakin baik performa model. Nilai RMSE yang kecil pada setiap produk menunjukkan bahwa model memiliki performa yang baik dalam memprediksi semua produk. Dengan prediksi yang lebih akurat, perencanaan produksi dan persediaan bahan baku dapat dilakukan dengan lebih efisien dan efektif, sehingga mengoptimalkan produktivitas dan mengurangi biaya produksi.Hasil penelitian ini diharapkan dapat membantu masyarakat dan pemerintah dalam pengambilan keputusan strategis terkait produksi pulp dan kebijakan ekspor. Selain itu, penelitian ini juga diharapkan dapat meningkatkan efisiensi pemasaran dan distribusi produk, meningkatkan pengetahuan tentang pasar dan produk, serta membuka peluang pasar baru untuk produk pulp.
PERBANDINGAN ALGORITMA C5.0 DAN K-MEANS CLUSTERING UNTUK MEMPREDIKSI KEPUASAN MAHASISWA TERHADAP KINERJA DOSEN UNIVERSITAS PRIMA INDONESIA Jefri Syah Putra Laoli; Sadarman Zebua; Novanius Lahagu; Delima Sitanggang; Evta Indra
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 2 (2023)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v6i2.938

Abstract

Data mining is an attempt to dig up valuable and useful information on very large databases. Data mining is an operation that uses certain techniques or methods to look for a pattern or different form in a selected data. The technique used in this study is using data mining with the C5.0 and K-Means methods. The purpose of this study was to determine student satisfaction by using and comparing the accuracy of the C5.0 and K-Means clustering algorithms in predicting student satisfaction on lecturer performance at Universita Prima Indonesia, Faculty of Science and Technology. The results of research using the C5.0 Algorithm method where the accuracy value obtained is 90.90% (Very Satisfied) while the accuracy value is 9.10% (Not Satisfied). The K-Means Clustering method gives quite good results in classifying data, more than 75% of respondents feel (Very Satisfied) while less than 25% feel (Not Satisfied) from the teaching given by lecturers at Universitas Prima Indonesia.
Co-Authors Aguan Aritonang Aldowad Alles Sandro Hamonangan Simanjuntak Andreas Situmorang Anita Anita Beby Astri Tarigan Cloudia Stevani Saragih Sumbayak Daniel Ryan Hamonangan Sitompul Davit Toramli Husni Delima Sitanggang, Delima Denis Jusuf Ziegel Dennis Jusuf Ziegel Dinda Tamara Silaen Efendi Efendi Esther Mayorita Nababan Esther Praja Anggriany Panggabean Faijriah Nazla Sahira Fanny Dameka br Sitanggang Fredilio Fredilio Jefri Syah Putra Laoli Julfikar Rahmad Juli Yanti Kartika Harahap Kurniawan Tarigan M Diarmansyah Batubara M. Diarmansyah Batubara Mardi Turnip, Mardi Mario Gota Manalu Marlince NK Nababan Matthew Oullanley Lee Meri Natasia Napitupulu Michael Owen Mohammad Irfan Fahmi Muhammad Yasir Muhardi Saputra Nadila Azriansyah Nanchy Adeliana Br S. Muham Nathanael Chrisman Laurentio Pardede Novanius Lahagu Oktoberto Perangin-angin Owen Owen Palma Juanta Paskariawan br Sihotang Pungki Laurensius Ritonga Purba, Mas Intan Putri Rahma Dewi Riama Br Ambarita Rikky Martua Hasudungan Simaremare Rivaldo Sitanggang Ruben Ruben Ruben, Andreas Situmorang Sadarman Zebua Saljuna Hayu Rangkuti Sion Putri Zalukhu Sonia Novel Lase Sri Wahyuni Tarigan Stiven Hamonangan Sinurat Sugandi Chau Vincent Vincent Winda Yoceva Pane Windania Purba Yakub Anuyuta Zebua Yenny Yenny