Article Per Year (5 Year)
p-Index From 2021 - 2026
2.543
P-Index
This Author published in this journals
All Journal JSM (Jurnal SIFO Mikroskil) Seminar Nasional Informatika (SEMNASIF) Indonesian Journal of Artificial Intelligence and Data Mining JMM (Jurnal Masyarakat Mandiri) METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Jurnal Nasional Komputasi dan Teknologi Informasi JURNAL MAHAJANA INFORMASI Jurnal Teknologi Dan Sistem Informasi Bisnis Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat JTIK (Jurnal Teknik Informatika Kaputama) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengabdian Masyarakat Bidang Sains dan Teknologi
Ng Poi Wong
Universitas Mikroskil
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Public Health Social Sciences Transportation Veterinary Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
A Smart Architecture for Stunting Prediction: Implementing the SOM–Voting Classifier on Healthcare Big Data Kelvin, Kelvin; Winardi, Sunaryo; Sinaga, Frans Mikael; Hardy, Hardy; Panjaitan, Erwin Setiawan; Wong, Ng Poi; Ferawaty, Ferawaty; Lim, Justine; Wijaya, Grace Putri
Indonesian Journal of Artificial Intelligence and Data Mining Vol 8, No 3 (2025): November 2025
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v8i3.38000

Abstract

Childhood stunting is a persistent public health challenge in Indonesia. This study developed a predictive classification model using healthcare data from hospitals in Medan to enable early identification of at-risk children. A novel framework was proposed that integrated an unsupervised Self-Organizing Map (SOM) for feature engineering with a supervised Voting Classifier ensemble, which combined a Support Vector Classifier (SVC), Random Forest (RF), and Gradient Boosting (GB). The proposed framework achieved an accuracy of 100% on the test set, a substantial improvement over the 91.67% accuracy of the baseline Voting Classifier without SOM. While this result highlighted the model's high predictive potential, it must be interpreted cautiously, acknowledging the need for validation on more diverse datasets to ensure generalizability. The findings demonstrated that this hybrid machine learning approach can serve as a powerful decision-support tool, enabling proactive clinical interventions and aiding public health officials in strategically allocating nutritional resources to support Indonesia's national stunting reduction goals.
RANCANG BANGUN APLIKASI LOKAPASAR JASA PERCETAKAN DENGAN DETEKSI WARNA HALAMAN Ardiansah, Ardiansah; Habibie, Ilham Maulana; Wong, Ng Poi; Andri, Andri
JTIK (Jurnal Teknik Informatika Kaputama) Vol. 7 No. 1 (2023): Volume 7, Nomor 1, Januari 2023
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jtik.v7i1.51

Abstract

Mencetak melalui jasa percetakan ditujukan bagi masyarakat yang ingin mencetak dokumen tetapi tidak memiliki printer sendiri. Mencetak melalui jasa percetakan memiliki kendala yang menyebabkan proses pencetakan dokumen memakan waktu yang cukup lama, yakni penentuan jumlah halaman berwarna secara manual oleh pihak percetakan, penentuan besaran biaya pencetakan yang harus dikeluarkan tidak sesuai dengan kehendak konsumen, dikarenakan konsumen tidak mendapatkan transparansi dari penentuan jumlah halaman berwarna yang dilakukan oleh pihak percetakan. Oleh karena itu, dikembangkan aplikasi lokapasar jasa percetakan yang memberikan kemudahan mencetak dokumen secara cepat dan efisien. Aplikasi tersebut juga memiliki fitur deteksi warna halaman sehingga konsumen mendapatkan transparansi penentuan jumlah halaman berwarna dan hitam-putih. Hasil pengujian keberhasilan deteksi warna halaman diperoleh jumlah halaman berwarna yang diharapkan, sehingga proses pencetakan menjadi lebih cepat karena penentuan jenis halaman kertas dilakukan secara otomatis oleh fitur deteksi warna halaman.
Utilizing TF-IDF Content-based Filtering for Job Recommendation Systems Sunaryo Winardi; Sunario Megawan; Ng Poi Wong; Ritchie Kurniawan; Ferry Andika Putra; Cynthia Cynthia
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 5 (2025): Oktober 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i5.9686

Abstract

Abstract - The unemployment rate in Indonesia has recently shown an increase. Although many types of jobs are available, each job has specific requirements that job seekers must meet. This causes many job seekers to struggle in selecting job vacancies that match their interests and skills. To address this issue, we propose the development of a recommendation system that leverages job data to assist job seekers in finding vacancies that meet their criteria. This recommendation system employs content-based filtering using the TF-IDF (Term Frequency-Inverse Document Frequency) and Cosine Similarity algorithms, implemented using Scikit-learn's machine learning library. By analyzing job descriptions and job seekers' profiles, the system can provide job recommendations based on salary, education, skills, interests, and job location. This approach resulted in a Mean Average Precision (MAP) score of 0.798, indicating a reasonably high level of accuracy for the recommendation system overall. This result is expected to facilitate job seekers in finding the right job opportunities and reduce the unemployment rate in Indonesia.Keywords Job Recommendation System; Content-Based Filtering; TF-IDF (Term Frequency-Inverse Document Frequency; Abstrak - Tingkat pengangguran di Indonesia dalam beberapa waktu terakhir menunjukkan peningkatan. Meskipun tersedia banyak jenis pekerjaan, setiap pekerjaan memiliki persyaratan khusus yang harus dipenuhi oleh pencari kerja. Hal ini menyebabkan banyak pencari kerja kesulitan dalam memilih lowongan yang sesuai dengan minat dan keterampilan mereka. Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pengembangan sistem rekomendasi yang memanfaatkan data lowongan kerja untuk membantu pencari kerja menemukan lowongan yang sesuai dengan kriteria mereka. Sistem rekomendasi ini menggunakan content-based filtering dengan algoritma Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity, yang diimplementasikan menggunakan pustaka machine learning Scikit-learn. Dengan menganalisis deskripsi pekerjaan dan profil pencari kerja, sistem dapat memberikan rekomendasi berdasarkan gaji, pendidikan, keterampilan, minat, dan lokasi kerja. Pendekatan ini menghasilkan nilai Mean Average Precision (MAP) sebesar 0,798, yang menunjukkan tingkat akurasi yang cukup tinggi secara keseluruhan. Hasil ini diharapkan dapat mempermudah pencari kerja dalam menemukan peluang kerja yang tepat serta membantu mengurangi tingkat pengangguran di Indonesia..Kata kunci : Sistem Rekomendasi Pekerjaan; Content-Based Filtering; TF-IDF (Term Frequency–Inverse Document Frequency;
Pengembangan Aplikasi Web untuk Meningkatkan Efisiensi Operasional Organisasi Nirlaba Bidang Kesehatan Sunaryo Winardi; Ng Poi Wong; Sunario Megawan; Tri Wulandari Ginting; Farrell Rio Fa; Cindy Sintiya; Jikky Jikky
ABDI: Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 7 No 1 (2025): Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat
Publisher : Labor Jurusan Sosiologi, Fakultas Ilmu Sosial, Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/abdi.v7i1.1007

Abstract

Yayasan HOPE, sebuah organisasi nirlaba yang fokus pada kesehatan, menghadapi tantangan dengan aplikasi web mereka yang tidak memenuhi kebutuhan operasional. Masalah yang diidentifikasi meliputi antarmuka yang tidak menarik, kurangnya catatan untuk barang masuk dan keluar, catatan inventaris yang tidak lengkap, dan akses admin yang terbatas. Untuk mengatasi masalah ini, tim layanan menggunakan pendekatan rekayasa perangkat lunak dengan paradigma prototyping dan User-Centered Design. Proses pengembangan dimulai dengan wawancara mendalam untuk memahami kebutuhan mitra, diikuti dengan pembuatan wireframe yang mencerminkan antarmuka dan alur kerja aplikasi. Wireframe ini dipresentasikan kepada pemangku kepentingan untuk mendapatkan umpan balik. Setelah iterasi dan perbaikan berdasarkan masukan pengguna, tim mengembangkan aplikasi web yang disesuaikan dengan kebutuhan operasional yayasan. Aplikasi tersebut kemudian diimplementasikan dengan pelatihan pengguna yang komprehensif, menghasilkan aplikasi web yang efektif dan meningkatkan pengalaman pengguna.
IMPLEMENTASI CNN UNTUK IDENTIFIKASI SPESIES REPTIL DAN AMFIBI BERBASIS CITRA DIGITAL Aldo Romulus Napitupulu; Herri Suba L. Tobing; Ng Poi Wong; Kelvin, Kelvin
Jurnal Mahajana Informasi Vol 10 No 2 (2025): JURNAL MAHAJANA INFORMASI
Publisher : Universitas Sari Mutiara Indonesia Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51544/jurnalmi.v10i2.6306

Abstract

Reptil dan amfibi merupakan dua kelompok hewan vertebrata yang memiliki peran penting dalam ekosistem, namun kerap sulit dibedakan hanya melalui pengamatan visual. Kemiripan warna kulit, bentuk tubuh, dan pola permukaan sering menimbulkan kesalahan identifikasi, terlebih ketika faktor pencahayaan, latar belakang, dan sudut pengambilan gambar bervariasi. Kondisi ini menimbulkan tantangan signifikan bagi proses identifikasi otomatis berbasis citra. Penelitian ini bertujuan mengembangkan model identifikasi berbasis citra dengan memanfaatkan algoritma Convolutional Neural Network (CNN), yang dikenal handal dalam mengekstraksi dan mempelajari fitur visual dari data citra kompleks. Dataset penelitian terdiri dari 6.045 gambar yang mencakup 10 spesies, dikategorikan menjadi dua kelas utama, yaitu reptil dan amfibi. Arsitektur CNN yang dirancang terdiri dari tiga lapisan konvolusi, pooling, dan fully connected, disertai mekanisme callback seperti EarlyStopping dan ModelCheckpoint untuk mencegah overfitting dan mempertahankan bobot terbaik. Hasil pengujian pada data uji menunjukkan akurasi 86,60%, dengan nilai F1-score 0,91 untuk kelas reptil dan 0,73 untuk kelas amfibi. Perbedaan kinerja ini menunjukkan model lebih optimal dalam mengenali reptil dibandingkan amfibi, yang kemungkinan disebabkan oleh distribusi data tidak seimbang dan kompleksitas visual pada amfibi. Secara keseluruhan, penelitian ini membuktikan bahwa CNN dapat digunakan sebagai alat bantu identifikasi otomatis yang efektif untuk membedakan spesies reptil dan amfibi berdasarkan citra visual.
SISTEM PEMANTAUAN LINGKUNGAN KANDANG KAMBING BERBASIS IOT DALAM MENDUKUNG SMART FARMING PADA ARJUNA FARM Wong, Ng Poi; Andri, Andri; Darwin, Darwin; Pardosi, Irpan Adiputra; Yunis, Roni; Sihombing, Poltak; Pratama, Yudhistira Adhitya
JMM (Jurnal Masyarakat Mandiri) Vol 9, No 5 (2025): Oktober
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jmm.v9i5.33646

Abstract

Abstrak: Kondisi lingkungan kandang dapat mempengaruhi produktivitas ternak dan dapat menjadi dasar dalam pengembangan infrastruktur peternakan dalam konsep Smart Farm. Permasalahan pada Arjuna Farm adalah kesulitan dalam memperoleh data lingkungan kandang kambing untuk keperluan memprediksi produksi susu hingga pengembangan infrastruktur kandang berbasis Smart Farm. Kegiatan ini bertujuan menerapkan sistem pemantauan lingkungan berbasis IoT untuk memantau suhu, kelembaban, cahaya, suara, gas metana, kualitas udara, dan aktivitas pergerakan kambing. Metode yang digunakan meliputi wawancara, perancangan, pengembangan, penerapan, dan evaluasi sistem dalam bentuk observasi dengan indikator pembacaan manual terhadap visualisasi data secara real-time, dengan melibatkan 7 (tujuh) dosen dari 3 (tiga) institusi dan mitra Arjuna Farm. Kegiatan ini berhasil mengembangkan sistem yang mampu mendeteksi dan memvisualisasikan data sensor kondisi lingkungan kandang kambing, dimana hasil evaluasi menunjukkan sistem berhasil mendeteksi suhu kandang berkisar 25-50°C, kelembaban hingga 99%, intensitas cahaya hingga 175 lux, intensitas suara di kisaran 550 unit sensor, serta gas metana dan kualitas udara secara stabil.Abstract: The environmental conditions of the barn can affect livestock productivity and can form the basis for the development of livestock infrastructure in the Smart Farm concept. The problem at Arjuna Farm is the difficulty in obtaining environmental data from the goat barn for the purpose of predicting milk production and developing Smart Farm-based barn infrastructure. This activity aims to implement an IoT-based environmental monitoring system to monitor temperature, humidity, light, sound, methane gas, air quality, and goat movement activity. The methods used include interviews, design, development, implementation, and evaluation of the system through observation with manual readings of real-time data visualisation, involving 7 (seven) lecturers from 3 (three) institutions and Arjuna Farm partners. This activity successfully developed a system capable of detecting and visualising sensor data on the environmental conditions of goat pens, with evaluation results showing that the system successfully detected pen temperatures ranging from 25-50°C, humidity up to 99%, light intensity up to 175 lux, sound intensity within 550 sensor units, as well as stable methane gas and air quality levels.
Co-Authors Ade Wibowo Giri Adithya Maulana Aldo Romulus Napitupulu Ali Akbar Lubis Andri - Andri Andri Andri Chan Andri, Andri Ardiansah - Ardiansah Ardiansah Ardiansah, Ardiansah Arwin Halim Ayu Yolanda Nasution Christine - Cindy Sintiya Cynthia Cynthia Darwin Darwin Darwin Edward Surya Jaya Farrell Rio Fa Ferawaty, Ferawaty Ferry Andika Putra Filbert Florida N. S. Damanik Frans Glendly Manuel Sianipar Gilbert Wijaya Habibie, Ilham Maulana Hardy Hardy Hardy Hardy Hernawati Gohzali Herri Suba L. Tobing Ilham Maulana Habibie Irfan Arfiandi Irpan Pardosi Ivan Audris Jeffry Gunawan Jerry Johnson Jikky Jikky Johnny Fransiscus Juangsyah Putra Nasution Kelvin Kelvin Lim, Justine Natanael Halomoan Nainggolan Newton Ongko Nico Syahputra Santoso Panjaitan, Erwin Setiawan Paulus Paulus Poltak Sihombing Riche Riche Riche Suwandy Ritchie Kurniawan Roni Yunis Ryan Rajaya Sinaga, Frans Mikael Steven Steven Sunario Megawan Sunario Megawan Tiartha Triagustinus Sitanggang Toni Gunawan Tri Wulandari Ginting V. Immanuel Damanik Vanessa Leonora Vanessa Priscilla Wijaya Wenripin Chandra Wijaya, Grace Putri Willy Cahyadi Winardi, Sunaryo Yudhistira Adhitya Pratama