Article Per Year (5 Year)
p-Index From 2021 - 2026
1.978
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Jurnal Mantik Penusa Jurnal Mantik TRIDARMA: Pengabdian Kepada Masyarakat (PkM) Jurnal Teknik Informatika C.I.T. Medicom INFOKUM BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Jurnal Pengabdian kepada Masyarakat Nusantara Jurnal Info Sains : Informatika dan Sains Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal ICT : Information and Communication Technologies Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi
Yuda Perwira
STMIK Pelita Nusantara
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Neuroscience Nursing Public Health Social Sciences Veterinary Other

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

Found 24 Documents
Search

 1   2   3 
Application Of Data Mining For Prediction Of Students Out Of College With The Method Algorithm C4.5 suandi daulay; wira apriani; yuda perwira
Jurnal ICT : Information and Communication Technologies Vol. 13 No. 1 (2022): April, Jurnal ICT : Information and Communication Technologies
Publisher : Marqcha Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (454.491 KB) | DOI: 10.35335/jict.v13i1.28

Abstract

This research was conducted to predict students dropping out of private universities, the student department needs to pay attention to students who have the potential to drop out so that they can be detected faster to make an approach with students so they don't drop out of college, with the help of data mining so that data -The data collected is useful information and with the C4.5 method so that predictions become accurate to detect students who have the potential to drop out of college. As for the results of this study, it is known that the most influential variable for students dropping out of college is marked by UKT Not Current Then Often Absent Then Gender Male whose graduation year is not recently graduated (not fresh graduate)
Application of the Classification Decision Tree Method to Determine Student Satisfaction Factors for Student Services Yuda Perwira; Amran Sitohang; Mutiara Pandjaitan; Kuza Simamora
Jurnal Info Sains : Informatika dan Sains Vol. 13 No. 02 (2023): Jurnal Info Sains : Informatika dan Sains , Edition September  2023
Publisher : SEAN Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to apply the Classification Decision Tree method in knowing the factors that influence student satisfaction with student services in tertiary institutions. The Classification Decision Tree method is used to build a decision tree model that can identify the factors that most influence student satisfaction.The data used in this study is survey data on student satisfaction with student services in tertiary institutions, which consists of several variables such as service quality, facilities, information availability, and others. The data will be processed using the Classification Decision Tree algorithm to build a decision tree model that can predict student satisfaction based on the factors that influence it.The results of this study obtained an important root or root of student satisfaction with student services. The first is student welfare services and the second is organizational development services and the results of the test data show an accuracy of 87%.
Pengembangan Perangkat Lunak Identifikasi Area Kesulitan Belajar Siswa Sekolah Dasar SD Negeri 064022 Medan Menggunakan Clustering dan Association Rule Mining Erwin Panggabean; Jijon Raphita Sagala; R. Mahdalena Simanjorang; Yuda Perwira; Penda Sudarto Hasugian; Pria Dimas; Hartati Palentina Sipahutar
Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi Vol 2 No 3 (2025): Juli
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kesulitan belajar yang dialami oleh siswa sekolah dasar sering kali tidak terdeteksi sejak awal, yang berdampak pada rendahnya prestasi akademik serta keterlambatan dalam pemberian intervensi yang sesuai. Penelitian ini bertujuan merancang dan mengembangkan sebuah perangkat lunak untuk mengidentifikasi area kesulitan belajar siswa di SD Negeri 064022 Medan, dengan menerapkan metode Clustering dan Association Rule Mining. Algoritma K-Means dimanfaatkan dalam proses Clustering guna mengelompokkan siswa berdasarkan hasil belajar dan karakteristik individual. Di sisi lain, teknik Association Rule Mining digunakan untuk menemukan pola keterkaitan antara faktor-faktor yang berpengaruh terhadap kesulitan belajar, seperti kehadiran, minat terhadap pelajaran, serta pencapaian nilai akademik. Evaluasi yang dilakukan menunjukkan bahwa sistem mampu melakukan klasifikasi siswa berdasarkan tingkat potensi kesulitan belajar dengan tingkat akurasi yang memadai. Selain itu, sistem juga menghasilkan sejumlah aturan asosiatif yang dapat dimanfaatkan oleh guru sebagai acuan dalam proses pengambilan keputusan. Dengan demikian, aplikasi ini berpotensi menjadi sarana pendukung yang efisien dalam proses pendeteksian dan penanganan kesulitan belajar secara terstruktur serta berbasis data yang terukur.  
Penerapan Metode K-Means Clustering Dalam Analisis Profil Konsumen Untuk Strategi Manajemen Pemasaran Wira Apriani; Yuda Perwira; Refin Herissandi; Septian Jordan Purba
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12492

Abstract

Segmentasi konsumen merupakan pendekatan penting dalam manajemen pemasaran untuk memahami karakteristik pelanggan dan merumuskan strategi yang tepat sasaran. Namun, tidak semua organisasi memiliki data transaksi yang lengkap, sehingga pemanfaatan data profil pelanggan non-transaksional menjadi alternatif yang relevan. Penelitian ini bertujuan untuk melakukan segmentasi konsumen berdasarkan profil pelanggan menggunakan metode K-Means Clustering sebagai dasar penyusunan strategi manajemen pemasaran. Penelitian ini menggunakan pendekatan kuantitatif dengan teknik data mining. Dataset yang digunakan adalah dataset publik Customers Purchase Behavior dari Kaggle yang terdiri dari 72.637 data pelanggan. Variabel yang dianalisis meliputi lifestage dan premium customer. Data kategorik ditransformasikan melalui proses encoding dan dinormalisasi sebelum diterapkan algoritma K-Means Clustering. Hasil penelitian menunjukkan bahwa konsumen dapat dikelompokkan ke dalam tiga segmen utama dengan karakteristik yang berbeda berdasarkan tahapan kehidupan dan preferensi harga. Segmentasi ini mencerminkan perbedaan sensitivitas harga dan potensi nilai pelanggan pada masing-masing kelompok. Penelitian ini menyimpulkan bahwa metode K-Means Clustering efektif digunakan untuk segmentasi konsumen berbasis data profil pelanggan non-transaksional. Hasil segmentasi dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam penyusunan strategi manajemen pemasaran yang lebih terarah dan berbasis data.
Co-Authors Agustina Simangunsong Ahmad Zein Amran Sitohang Daulay, Suandi Endra A.P Marpaung Erwin Panggabean Fiqri Irhami Fristi Riandari Hartati Palentina Sipahutar Hasanul Fahmi Hasugian , Paska Marto Hasugian, Penda Sudarto Humala Simangunsong Jijon Raphita Sagala Jijon Raphita Sagala Kicky Maulana Kuza Simamora Mufida Khairani Mutiara Pandjaitan Nuraisana Nuraisana Nurjamiyah, Nurjamiyah Nurmayana Pria Dimas R. Mahdalena Simanjorang Refin Herissandi Risa Kartika Lubis Septian Jordan Purba Sinta Lia Alfaris Syahrul Fahri Wira Apriani Wira Apriani Wizzy Vrayuda Yessy F A Lubis Yuni Endah Kurniati