Article Per Year (5 Year)
p-Index From 2021 - 2026
1.756
P-Index
This Author published in this journals
All Journal JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) TRIDARMA: Pengabdian Kepada Masyarakat (PkM) INFOKUM Jurnal Media Informatika Jurnal Info Sains : Informatika dan Sains Jurnal Armada Informatika Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Jurnal Pengabdian Pada Masyarakat METHABDI Jurnal ICT : Information and Communication Technologies Jurnal Pengabdian Masyarakat Nauli Jurnal Sistem Informasi dan Teknologi Jaringan Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi
Amran Sitohang
STMIK Pelita Nusantara, Medan
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Immunology & microbiology Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Penerapan Data Mining Dengan Algoritma Apriori Untuk Menentukan Tingkat Peminjaman Buku Amran Sitohang; R. Mahdalena Simanjorang; M. Rifan Afandi; Eko Sutanto
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.141

Abstract

Perkembangan teknologi informasi menyebabkan peningkatan jumlah data yang tersimpan dalam berbagai bidang, termasuk pada sistem perpustakaan sekolah. Data transaksi peminjaman buku yang tersimpan dalam jumlah besar dapat dimanfaatkan untuk memperoleh informasi penting melalui teknik data mining. Penelitian ini bertujuan untuk menerapkan data mining menggunakan algoritma Apriori dalam menentukan tingkat peminjaman buku di perpustakaan SMK Al-Washliyah 8 Perbaungan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik Association Rule Mining. Data yang digunakan merupakan data transaksi peminjaman buku siswa yang kemudian melalui tahap preprocessing sebelum dilakukan proses analisis menggunakan aplikasi RapidMiner. Proses analisis dilakukan dengan menentukan nilai minimum support sebesar 13% dan minimum confidence sebesar 50% untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma Apriori mampu menemukan pola keterkaitan peminjaman buku berdasarkan frequent itemset yang terbentuk. Beberapa buku menunjukkan hubungan peminjaman yang cukup kuat sehingga dapat digunakan sebagai dasar dalam pengelolaan koleksi perpustakaan. Informasi yang dihasilkan dari penelitian ini diharapkan dapat membantu pihak perpustakaan dalam meningkatkan kualitas pelayanan, mengoptimalkan pengadaan buku, serta menyusun tata letak buku berdasarkan pola kebutuhan siswa. Dengan demikian, penerapan data mining menggunakan algoritma Apriori dapat menjadi solusi dalam mendukung pengambilan keputusan berbasis data pada pengelolaan perpustakaan sekolah.
Application of the K-Means Clustering Algorithm for Sales Data Clustering to Identify Best-Selling Products at PT Cahaya Surga Teknik Indonesia Amran Sitohang; R. Mahdalena Simanjorang; Fittra Ferdiansyah; Angel Nurfadilah
Jurnal Armada Informatika Vol 10 No 1 (2026): Juni
Publisher : STMIK Methodist Binjai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36520/jai.v10i1.315

Abstract

Business competition demands that companies utilize sales data as a basis for strategic decision-making. PT Cahaya Surga Teknik Indonesia has sales data that continues to grow each period, but has not been optimally utilized to identify best-selling products. This study aims to apply the K-Means Clustering algorithm to group sales data so that it can identify the categories of best-selling products, medium-selling products, and less-selling products. The research method uses data mining with KDD (Knowledge Discovery in Database) stages including data selection, preprocessing, transformation, clustering process using the K-Means algorithm, and evaluation of cluster results. The research dataset consists of annual sales data (content year) with attributes of number of transactions, number of sales, and total revenue. The results show that the K-Means algorithm is able to divide the data into 3 main clusters: the very best-selling product cluster, the moderately best-selling product cluster, and the less-selling product cluster. The clustering results can help companies in determining stock strategies, promotions, and sales planning.
Pengembangan Perangkat Lunak Analisis Sentimen Komentar Mahasiswa pada Kegiatan Belajar Mengajar Menggunkan Metode Long Short-Term Memory Berbasis Text Mining Erwin Panggabean; Penda Sudarto Hasugian; Amran Sitohang; Nadia Wulan Dari; Rangga Permana Sanjaya
Jurnal Pengabdian Pada Masyarakat METHABDI Vol 5 No 2 (2025): Jurnal Pengabdian Pada Masyarakat METHABDI
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methabdi.Vol5No2.pp249-258

Abstract

This research focuses on the development of sentiment analysis software designed to evaluate students’ comments at SMKS Methodist 8 Medan concerning teaching and learning activities through a text mining approach. The software aims to support educational evaluation by automatically identifying the emotional tone and opinions expressed by students in their feedback. In this study, text mining techniques are employed to preprocess and analyze comment data collected from online learning platforms and school surveys. The preprocessing stages include tokenizing, stopword removal, and stemming to prepare clean textual data for analysis. Subsequently, the Naïve Bayes classification algorithm is implemented to categorize the comments into three sentiment classes: positive, negative, and neutral. The results of experimental testing demonstrate that the developed system can accurately identify sentiment tendencies with satisfactory precision and reliability. Moreover, the visualization of sentiment results enables educators to better understand students’ perceptions and engagement levels in the learning process. This research contributes to the field of educational technology by providing a data-driven tool that helps schools evaluate teaching effectiveness, identify areas of improvement, and enhance the overall quality of learning experiences through objective analysis of student feedback.
Sistem Pendukung Keputusan Pemilihan Guru Berprestasi Dengan Metode TOPSIS R. Mahdalena Simanjorang; Agustina Simangunsong; Amran Sitohang; Josua Lumban Tobing; Sartika Simanjorang
Jurnal Media Informatika Vol. 7 No. 1 (2026): Edisi Januari - Februari
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v7i1.8352

Abstract

Pemilihan guru berprestasi merupakan aspek strategis dalam peningkatan mutu pendidikan karena berfungsi sebagai sarana evaluasi dan motivasi bagi tenaga pendidik. Namun, proses penilaian yang masih dipengaruhi subjektivitas dapat menimbulkan keputusan yang kurang maksimal. Penelitian ini diarahkan dalam hal perancangan serta pembangunan SPK  yang diimplementasikan dalam platform menggunakan web dalam pemilihan guru berprestasi dengan mengaplikasikan metode TOPSIS. Teknik tersebut dilakukan pemilihannya karena memiliki kemampuan untuk menghasilkan evaluasi alternatif secara tertata dengan memperhatikan tingkat derajat kesesuaian relatif dengan solusi ideal positif maupun solusi negatif yang ideal. Tahapan awal penelitian dilaksanakan melalui kegiatan analisis kebutuhan sistem berdasarkan temuan dari wawancara serta studi literatur untuk menetapkan kriteria penilaian, meliputi kinerja, inovasi pembelajaran, kedisiplinan, dan prestasi akademik. Pengembangan sistem dilakukan menggunakan model waterfall, mencakup perancangan basis data, antarmuka pengguna, serta implementasi perhitungan TOPSIS. Hasil evaluasi yang diperoleh dari pengujian mengindikasikan bahwa alternatif AC menunjukkan perolehan nilai preferensi paling tinggi sebesar 0,677, diikuti oleh AE (0,647), AA (0,457), AB (0,438), dan AD (0,286). Berdasarkan hasil tersebut, alternatif A3 ditetapkan sebagai guru berprestasi terbaik. Sistem yang dikembangkan mampu mendukung proses penentuan keputusan dapat dilakukan secara lebih sistematis, transparan, serta berbasis kriteria yang terukur, efisien
Co-Authors Angel Nurfadilah Eko Sutanto Erwin Panggabean Fittra Ferdiansyah Hasugian, Penda Sudarto Insan Taufik Jeremia Sembiring Jijon Raphita Sagala Josua Lumban Tobing Kuza Simamora M. Rifan Afandi Mutiara Pandjaitan Nadia Wulan Dari Olven Manahan Petti Indrayati Petti Indrayati Sijabat R. Mahdalena Simanjorang Rangga Permana Sanjaya Sarjon Defit Sartika Simanjorang Simangunsong, Agustina Sumijan Yuda Perwira