Article Per Year (5 Year)
p-Index From 2021 - 2026
2.47
P-Index
This Author published in this journals
All Journal PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic CESS (Journal of Computer Engineering, System and Science) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Ilmiah Universitas Batanghari Jambi JurTI (JURNAL TEKNOLOGI INFORMASI) J-SAKTI (Jurnal Sains Komputer dan Informatika) JOURNAL OF SCIENCE AND SOCIAL RESEARCH J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal IPTEK Bagi Masyarakat Sistem Pendukung Keputusan dengan Aplikasi Bigint Computing Journal Jurnal Garuda Pengabdian Kepada Masyarakat Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Cosmic Jurnal Teknik Jurnal Teknik Informatika dan Teknologi Informasi
Helmi Fauzi Siregar
Program Studi Teknik Informatika Universitas Asahan
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Physics Public Health Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Implementasi Metode AHP dan PM dalam Pemilihan Digital Marketing untuk Perluasan Pasar Rangkuti, Faiz Wahyu Perdana; Qurrahman, Taufik; Ikhsan, M. Audi; Fasya, Muhammad Rezeki; Siregar, Helmi Fauzi
Cosmic Jurnal Teknik Vol 2 No 2 (2025): Mei
Publisher : Ali Institute or Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/cosmic.v2i2.1263

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung keputusan (SPK) berbasis metode Analytical Hierarchy Process (AHP) dan Profile Matching (PM) guna membantu PT. Global Bangunan Jaya dalam memilih tools digital marketing yang paling efektif untuk memperluas pasar. Metode AHP digunakan untuk menentukan bobot prioritas pada kriteria yang meliputi biaya, jangkauan audiens, efektivitas, dan kemudahan penggunaan, sementara PM digunakan untuk mencocokkan kriteria tersebut dengan profil tools digital marketing yang tersedia. Data diperoleh melalui wawancara dengan manajer pemasaran, kuesioner, dan literatur terkait. Hasil penelitian menunjukkan bahwa kombinasi AHP dan PM mampu menghasilkan peringkat rekomendasi tools digital marketing berdasarkan nilai kesesuaian yang memenuhi kebutuhan perusahaan. Tools dengan nilai tertinggi terbukti lebih efektif dalam meningkatkan strategi pemasaran, brand awareness, dan potensi penjualan. Sistem ini menawarkan pendekatan berbasis data yang sistematis dalam pengambilan keputusan, sehingga membantu perusahaan menghindari keputusan subyektif yang kurang optimal. Kesimpulannya, penerapan metode AHP dan PM terbukti relevan untuk masalah pengambilan keputusan multi-kriteria dalam pemasaran digital. Penelitian ini merekomendasikan pembaruan data secara berkala agar sistem tetap relevan dengan tren digital marketing yang dinamis. Dengan demikian, SPK ini berpotensi menjadi solusi strategis bagi perusahaan untuk beradaptasi dengan perubahan kebutuhan pasar dan meningkatkan daya saing.
Implementasi Cloud Computing Menggunakan Nextcloud Berbasis Infrastructure as a Service (IaaS) Widarma, Adi; Siregar, Helmi Fauzi; Sitorus, Indi Ramadhani
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 1 (2024): January 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i1.55993

Abstract

Cloud Storage sendiri merupakan media penyimpanan yang dalam pengaksesan nya memerlukan jaringan internet. Jika suatu instansi melakukan penyimpanan data-data secara hardcopy yang disimpan dalam satu tempat penyimpanan. Maka, kegiatan tersebut akan menghasilkan sejumlah data yang banyak setiap harinya dalam periode tahunan penyimpanan yang baru yang akan menghabiskan dana yang tidak sedikit dan akan menambah limbah, dan apabila terjadi bencana hal yang ditakuti adalah masalah kehilangan data yang menjadi aset informasi tersebut. Teknologi penyimpanan data secara terpusat dengan cloud storage menjadi salah satu jawaban permasalahan diatas, berbeda dengan layanan cloud storage yang sering digunakan pada umumnya seperti google drive. Untuk memudahkan dalam pengaksesan data dalam sebuah instansi maka dibutuhkan suatu strategi sentralisasi data yang dapat diakses dan berbagi data secara bersama dengan biaya yang lebih ekonomis dengan tidak perlu dikenakan biaya tambahan. Dalam penelitian ini cloud computing akan dibangun menggunakan Nextcloud dengan sistem operasi Ubuntu server. Berdasarkan penelitian yang dilakukan maka diambil kesimpulan bahwa Nextcloud telah berhasil diinstall dan digunakan. Nextcloud yang digunakan adalah versi 16.03 yang diinstall pada sistem operasi Linux Ubuntu Server 18.04. Pemanfaatan Nexcloud merupakan teknologi cloud computing berbasis Infrastructure as a Service (IaaS) dengan model Private Cloud artinya nextcloud hanya bisa diakses secara local pada instansi tersebut. Pengujian sistem dengan beberapa skenario pengujian menggunakan metode black box testing dengan melakukan proses upload, download dan sharing data. Pengujian dari ketiga proses tersebut menghasilkan kesimpulan yang valid.
MULTI-COMMODITY NON-OIL EXPORT FORECASTING IN INDONESIA USING BACKPROPAGATION ARTIFICIAL NEURAL NETWORK Suhermanto, Suhermanto; Siregar, Helmi Fauzi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4797

Abstract

Abstract: Forecasting non-oil export commodities is critical for Indonesia's trade strategy, as these commodities contribute 93.8% of total national exports. This study develops a multi-commodity export prediction system using Artificial Neural Network (ANN) with backpropagation algorithm for 32 Indonesian non-oil commodities across six strategic sectors. Using monthly export data from February to August 2025 from Indonesia's Central Statistics Agency, we identified optimal neural network architecture 6-5-1 (6 input neurons for 6-month historical data, 5 hidden neurons, 1 output neuron). The model achieved 89.16% training accuracy and 88.43% testing accuracy with minimal 0.73% differential, indicating strong generalization without overfitting. Highest accuracy occurred on stable commodities (Tobacco: 99.94%, Animal/Plant Fats: 99.90%) while volatile commodities showed lower accuracy (Oil Seeds: 42.57%). The developed web-based system enables policymakers and exporters to make strategic decisions for international trade. This research demonstrates ANN backpropagation effectiveness for multi-dimensional commodity forecasting and provides practical decision-support tools for Indonesia's non-oil export sector.Keyword: artificial neural network; backpropagation; export forecasting; commodity prediction; Indonesia.Abstrak: Peramalan komoditas ekspor nonmigas sangat penting untuk strategi perdagangan Indonesia karena berkontribusi 93,8% dari total ekspor nasional. Penelitian ini mengembangkan sistem prediksi ekspor multi-komoditas menggunakan Jaringan Syaraf Tiruan (JST) dengan algoritma backpropagation untuk 32 komoditas nonmigas Indonesia di enam sektor strategis. Menggunakan data ekspor bulanan Februari-Agustus 2025 dari Badan Pusat Statistik Indonesia, kami mengidentifikasi arsitektur jaringan optimal 6-5-1 (6 neuron input untuk data 6 bulan, 5 neuron tersembunyi, 1 neuron output). Model mencapai akurasi training 89,16% dan testing 88,43% dengan diferensial minimal 0,73%, menunjukkan generalisasi kuat tanpa overfitting. Akurasi tertinggi pada komoditas stabil (Tembakau: 99,94%, Lemak dan Minyak: 99,90%) sedangkan komoditas volatil menunjukkan akurasi lebih rendah (Biji-bijian Berminyak: 42,57%). Sistem berbasis web memungkinkan pembuat kebijakan dan eksportir membuat keputusan strategis untuk perdagangan internasional. Penelitian ini menunjukkan efektivitas JST backpropagation untuk peramalan komoditas multi-dimensi dan menyediakan alat pengambilan keputusan praktis untuk sektor ekspor nonmigas Indonesia.Kata kunci: jaringan syaraf tiruan; backpropagation; peramalan ekspor; prediksi komoditas; Indonesia.
Klasifikasi Resiko Depresi Berdasarkan Durasi Layar dan Pola Hidup Digital Mengguanakan Metode K-Nearest Neighbor (KNN) Heri Setiawan; Helmi Fauzi Siregar
Jurnal Teknik Informatika dan Teknologi Informasi Vol. 5 No. 3 (2025): Desember: Jurnal Teknik Informatika dan Teknologi Informasi
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jutiti.v5i3.6366

Abstract

This study aims to classify depression risk levels based on screen time and digital lifestyle patterns using the K-Nearest Neighbor (KNN) method. The dataset used includes several important variables, such as daily screen time, frequency of social media use, and sleep duration and quality. These variables were chosen because they are considered to have a strong association with mental health, particularly depressive symptoms that often arise from excessive digital device use. A KNN model was then developed and tested to categorize individuals into three depression risk categories: low, medium, and high. The evaluation results showed that the model with a k value of 5 achieved a predictive accuracy of 85%, indicating that this method is quite effective as a data-driven classification tool. The findings of this study suggest that digital lifestyle patterns can be an early indicator in predicting depression risk, thus requiring more systematic monitoring. However, this model still needs to be combined with clinical assessment for a more comprehensive and accurate diagnosis.  
Rancangan Sistem Informasi Pengelolaan Data Bansos Berbasis Web Pada Kelurahan Sei Kera Hulu Arfah Anggina; Helmi Fauzi Siregar; Yustria Handika Siregar
Jurnal IPTEK Bagi Masyarakat Vol 3 No 3 (2024)
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/jibm.v3i3.802

Abstract

Penelitian ini bertujuan untuk merancang sistem informasi pengelolaan data bantuan sosial (bansos) berbasis web untuk Kantor Lurah Sei Kera Hulu. Masalah yang perlu dipecahkan adalah kurangnya efisiensi dalam pengelolaan data bansos yang masih dilakukan secara manual, serta kendala dalam pencarian data dan melihat laporan yang dialami oleh petugas kantor lurah. Metode pemecahan masalah yang digunakan adalah dengan mengimplementasikan sistem informasi berbasis web menggunakan pendekatan System Development Life Cycle (SDLC) model waterfall. Sistem ini dirancang untuk membantu petugas dalam mengelola data bansos dengan lebih cepat dan mudah melalui website. Pengujian sistem dilakukan menggunakan metode black box testing untuk mengevaluasi fungsionalitas secara menyeluruh. Hasil penelitian ini diharapkan dapat memberikan kemudahan bagi petugas dalam menjalankan tugas mereka serta meningkatkan efisiensi dalam pengelolaan data bansos di Kantor Lurah Sei Kera Hulu.
ANALISIS SENTIMEN ULASAN APLIKASI GETCONTACT DI GOOGLE PLAY STORE MENGGUNAKAN TEKNIK NAÏVE BAYES UNTUK PENINGKATAN KUALITAS LAYANAN Maulana, Mhd Tantowi; Siregar, Helmi Fauzi
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 9, No 1 (2026): February 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i1.5744

Abstract

Abstract: The rapid development of information technology has led to the emergence of various digital applications to meet communication needs, one of which is Getcontact. This application enables users to identify phone numbers, detect spam calls, and protect user privacy. As the number of users increases, Getcontact has received numerous reviews on the Google Play Store, containing both positive and negative opinions. These reviews are valuable for developers to evaluate service quality and user satisfaction. However, the large volume of reviews makes manual analysis inefficient. This study aims to analyze user review sentiments of the Getcontact application on the Google Play Store using the Naive Bayes Classifier algorithm. The data were collected from user reviews and processed through several stages, including case folding, tokenizing, stopword removal, and stemming. After preprocessing, the text data were transformed into numerical form using the TF-IDF method, then classified into positive and negative sentiment categories using the Naive Bayes algorithm. The model was evaluated using accuracy, precision, recall, and F1-score metrics. The results show that the Naive Bayes algorithm can classify user review sentiments with a high level of accuracy, making it effective for analyzing public opinions about the Getcontact application. Based on the analysis, most user reviews indicate positive sentiments, suggesting that users are generally satisfied with the application's features and services. These findings can serve as input for developers to maintain existing strengths and improve aspects that still receive user complaints. Keyword: sentiment analysis; naïve bayes; getcontact; google play store; text mining Abstrak: Perkembangan teknologi informasi yang pesat mendorong munculnya berbagai aplikasi digital untuk memenuhi kebutuhan komunikasi masyarakat, salah satunya adalah aplikasi Getcontact. Aplikasi ini memungkinkan pengguna untuk mengidentifikasi nomor telepon, mendeteksi panggilan spam, serta melindungi privasi pengguna. Seiring meningkatnya jumlah pengguna, aplikasi Getcontact memperoleh banyak ulasan di Google Play Store yang berisi opini positif maupun negatif. Ulasan tersebut dapat menjadi sumber informasi penting bagi pengembang untuk menilai kualitas layanan dan tingkat kepuasan pengguna. Namun, jumlah ulasan yang sangat besar membuat analisis manual menjadi tidak efektif. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna aplikasi Getcontact di Google Play Store dengan menggunakan algoritma Naive Bayes Classifier. Data penelitian diperoleh melalui pengumpulan ulasan pengguna yang kemudian diproses melalui beberapa tahapan, yaitu case folding, tokenizing, stopword removal, dan stemming. Setelah dilakukan preprocessing, data diubah menjadi bentuk numerik menggunakan metode TF-IDF, lalu diklasifikasikan ke dalam kategori sentimen positif dan negatif menggunakan algoritma Naive Bayes. Evaluasi model dilakukan dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen ulasan pengguna dengan tingkat akurasi yang tinggi, sehingga efektif digunakan untuk menganalisis opini publik terhadap aplikasi Getcontact. Berdasarkan hasil analisis, mayoritas ulasan pengguna menunjukkan sentimen positif yang mengindikasikan bahwa pengguna merasa puas terhadap fitur dan layanan aplikasi. Hasil ini dapat menjadi masukan bagi pengembang untuk mempertahankan keunggulan yang ada serta memperbaiki aspek-aspek yang masih mendapat keluhan dari pengguna. Kata kunci: analisis sentimen; naïve bayes; getcontact; google play store; text mining
Penerapan Algoritma K-Means untuk Pengelompokan Pola Konsumsi Energi di Tingkat Kabupaten/Kota Hasibuan, Muhammad Pazri; Siregar, Helmi Fauzi
Jurnal Ilmiah Universitas Batanghari Jambi Vol 26, No 1 (2026): Februari
Publisher : Universitas Batanghari Jambi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33087/jiubj.v26i1.6383

Abstract

This study aims to analyze and classify energy consumption levels across districts and cities in Indonesia using the K-Means Clustering algorithm. Per capita food energy consumption serves as an indicator of community welfare and food security. The main issue addressed is the significant variation in energy consumption between regions, which requires data-based analysis to understand the patterns. Data from official national sources were processed using the K-Means algorithm to group areas with similar energy consumption characteristics. The results show three main categories: low, medium, and high energy consumption. The web-based system developed in this study helps make the analysis faster, more accurate, and easier to interpret. The findings are expected to support the formulation of more targeted and sustainable energy and food policies.
Co-Authors Adi Widarma, Adi Al Ayyub, Muhammad Azwar Arfah Anggina Fasya, Muhammad Rezeki Firman, Mulia Hasibuan, Muhammad Pazri Heri Setiawan Ikhsan, M. Audi Irawan, M Dedi K Kartika Khairul Saleh Khairul Saleh Liana, Tika Maulana, Mhd Tantowi Melani Melani Muhammad Dedi Irawan Muhammad Yasin Simargolang Nilfa Sari Parinduri, Ikhsan Rangkuti, Faiz Wahyu Perdana Salsabilla, Nadia Sandi Sahputra Simargolang, Muhammad Yasin Simargolang, Muhammas Yasin Sitorus, Indi Ramadhani Suhermanto, Suhermanto Tarigan, M. Faisal Afiff Taufik Qurrahman Tika Liana Wibowo, Pauji Wini, Wini Istya Sari Lubis Yustria Handika Siregar Zunaida Sitorus