Article Per Year (5 Year)
p-Index From 2021 - 2026
2.332
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 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 : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
RANCANG BANGUN SISTEM INFORMASI LES PRIVAT BERBASIS WEB PADA LES PRIVAT MEDAN Ng, Poi Wong; Vanessa Leonora; Filbert; Jerry Johnson; Sinaga, Frans Mikael
METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi Vol. 11 No. 1 (2025): Volume 11 Nomor 1 Tahun 2025
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/mtk.v11i1.3680

Abstract

Les Privat Medan merupakan salah satu usaha kecil yang bergerak di bidang pendidikan yang memberikan les privat, dimana manajemen kegiatan pembelajarannya masih dilakukan secara manual mulai dari proses pendaftaran, pengaksesan paket, bahan belajar dan penyusunan jadwal, proses pembayaran, hingga pemberian maupun penerimaan informasi seperti berita atau pengumuman. Pencatatan data masih direkap dengan menggunakan microsoft excel, sehingga menyebabkan proses menjadi tidak efisien dan rentan terjadinya kesalahan. Untuk menyelesaikan permasalahan tersebut, maka dirancang dan dibangun sistem informasi les privat dengan metodologi waterfall, analisis sistem dengan diagram use case, dan pengujian dengan metode black-box. Hasil dari perancangan dan pengembangan ini adalah sistem informasi berbasis web yang mampu menyelesaikan permasalahan yang masih dilakukan secara manual dalam manajemen kegiatan pembelajaran pada Les Privat Medan dengan lebih efisien dan terstruktur.
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;
Co-Authors Ade Wibowo Giri Adithya Maulana Ali Akbar Lubis Andri - Andri Andri Andri Chan Andri, Andri Ardiansah - Ardiansah Ardiansah Ardiansah, Ardiansah Arwin Halim Ayu Yolanda Nasution Christine - Cynthia Cynthia Darwin Edward Surya Jaya Fa, Farrell Rio Ferawaty, Ferawaty Ferry Andika Putra Filbert Florida N. S. Damanik Frans Glendly Manuel Sianipar Gilbert Wijaya Ginting, Tri Wulandari Habibie, Ilham Maulana Hardy Hardy Hardy Hardy Hernawati Gohzali 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 Riche Riche Riche Suwandy Ritchie Kurniawan Ryan Rajaya Sinaga, Frans Mikael Sintiya, Cindy Steven Steven Sunario Megawan Sunario Megawan Tiartha Triagustinus Sitanggang Toni Gunawan V. Immanuel Damanik Vanessa Leonora Vanessa Priscilla Wijaya Wenripin Chandra Wijaya, Grace Putri Willy Cahyadi Winardi, Sunaryo