Article Per Year (5 Year)
p-Index From 2020 - 2025
10.302
P-Index
This Author published in this journals
All Journal Riau Journal of Computer Science JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Mantik Penusa JMM (Jurnal Masyarakat Mandiri) JURNAL EDUCATION AND DEVELOPMENT J-SAKTI (Jurnal Sains Komputer dan Informatika) JURIKOM (Jurnal Riset Komputer) JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal EDUMATIC: Jurnal Pendidikan Informatika Building of Informatics, Technology and Science Jurnal Mantik JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Tunas Jurnal Teknik Informatika (JUTIF) Journal of Applied Data Sciences JPM: JURNAL PENGABDIAN MASYARAKAT Jutsi: Jurnal Teknologi dan Sistem Informasi Journal of Informatics Management and Information Technology Journal of Social Responsibility Projects by Higher Education Forum Jurnal Sains Teknologi dan Sistem Informasi J-SAKTI (Jurnal Sains Komputer dan Informatika) Bulletin of Information Technology (BIT) Aptekmas : Jurnal Pengabdian Kepada Masyarakat Jurnal Bangun Abdimas Jurnal Informatika dan Teknologi Informasi Jurnal Teknologi Pendidikan Jurnal Pengabdian Harapan Bangsa Jurnal Teknologi Ilmu Komputer Jurnal Teknologi Pendidikan International Journal of Informatics and Data Science
Jeperson Hutahaean
Sekolah Tinggi Manajemen Informatika Dan Komputer Royal Kisaran, Asahan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 83 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : JURTEKSI

 1 
A COMPARATIVE ANALYSIS OF MFEP AND SAW METHODS IN DECISION SUPPORT SYSTEMS FOR MAJOR SELECTION Hutahaean, Jeperson; Mulyani, Neni; Putri Fahdrina, Jihan Aulia
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 10, No 4 (2024): September 2024
Publisher : STMIK Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3442

Abstract

Abstract: The selection of majors at SMAS YPK Kedaisianam previously still used a manual system that was less effective in determining the right major for students. To overcome this, a new system that is easier and more accurate is needed. This system is expected to assist counseling guidance teachers in providing solutions for choosing majors to students. This study compares two methods, namely Multi Factor Evaluation Process (MFEP) and Simple Additive Weighting (SAW), which have similarities in weighting criteria to produce more effective rankings. The research methodology used is a quantitative approach with numerical data analysis. This study aims to describe the comparison of the two methods in the decision support system for choosing majors at SMKS DAAR Muhsinin. The results of the study show that the use of more effective methods in the application system can make decision-making easier. The conclusion of this study is that the application of MFEP methods can improve accuracy and efficiency in the course selection process.Keywords: decision support system; mfep and saw methods; major selection. Abstrak: Pemilihan jurusan di SMAS YPK Kedaisianam sebelumnya masih menggunakan sistem manual yang kurang efektif dalam menentukan jurusan yang tepat bagi siswa. Untuk mengatasi hal tersebut, diperlukan sistem baru yang lebih mudah dan akurat. Sistem ini diharapkan membantu guru bimbingan konseling dalam memberikan solusi pemilihan jurusan kepada siswa. Penelitian ini membandingkan dua metode, yaitu Multi Factor Evaluation Process (MFEP) dan Simple Additive Weighting (SAW), yang memiliki kesamaan dalam pembobotan kriteria untuk menghasilkan peringkat yang lebih efektif. Metodologi penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis data berbasis angka. Penelitian ini bertujuan untuk mendeskripsikan perbandingan kedua metode tersebut dalam sistem pendukung keputusan pemilihan jurusan di SMKS DAAR Muhsinin. Hasil penelitian menunjukkan bahwa penggunaan metode yang lebih efektif dalam sistem aplikasi dapat mempermudah pengambilan keputusan. Simpulan dari penelitian ini adalah penerapan metode MFEP dapat meningkatkan akurasi dan efisiensi dalam proses pemilihan jurusan.Kata Kunci: metode mfep dan saw;  pemilihan jurusan; sistem pendukung keputusan.
MODELING CLOTHING ORDER SIZE GROUPING AT RIZKY CONVECTION USING THE K-MEANS METHOD Rahmadani, Putri; Hutahaean, Jeperson; Santoso, Santoso
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 2 (2025): Maret 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3774

Abstract

Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.Keywords: data mining; order data; K-Means; sportswear manufacturing. Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.Kata kunci: data mining; data pesanan; K-Means; konveksi.
RASKIN RECIPIENT ELIGIBILITY DECISION SUPPORT SYSTEM USING THE AHP METHOD Azhar, Zulfi; Mulyani, Neni; Hutahaean, Jeperson; Sapriyanti, Sapriyanti
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 1 (2023): Desember 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i1.2896

Abstract

Abstract: Some people in Sei Silau Timur Village in Buntu Pane, Kisaran, have low incomes with the existence of a government policy in the food management program that cooperates with Bulog to ease the burden on the community by distributing Raskin to villages where people have low incomes. And not all people get the chance to receive RASKIN because the quota is limited. There needs to be a selection in determining the eligibility of RASKIN for the right people and avoiding mistakes. The selection process can be completed using the application of computer science. Based on this, a decision support system is needed that can be used by the Sei Silau Timur village head's office staff in distributing RASKIN rice, which later this application can help and benefit the village community. This research uses the AHP method, which is carried out by comparing a matrix of several criteria and alternatives. The final assessment result is implementing the AHP method, where criterion 4, namely Total Income, is selected, with Alternative 1 named Selamet.            Keywords: AHP; public; RASKIN; selection; SPK Abstrak : Sebagian dari masyarakat di Desa Sei Silau Timur di kecamatan Buntu Pane, Kisaran mempunyai penghasilan yang rendah. Dengan adanya kebijakan pemerintah dalam program penanggulangan pangan yang bekerja sama dengan pihak Bulog untuk meringankan beban masyarakat dengan menyalurkan raskin ke desa-desa yang masyarakatnya berpenghasilan yang rendah. Dan tidak semua masyarakat mendapatkan kesempatan penerimaan RASKIN karena kuotanya terbatas. Perlu dilakukan dengan seleksi dalam penentuan pemberian kelayakan RASKIN kepada orang-orang yang tepat dan menghindari kekeliruan. Proses seleksi tersebut dapat diselesaikan dengan menggunakan penerapan secara ilmu komputer.  Bedasarkan hal tersebut maka diperlukan suatu sistem pendukung keputusan  yang dapat dipergunakan oleh petugas kantor Kepala Desa Sei Silau Timur dalam proses pembagian beras RASKIN, yang nantinya aplikasi ini dapat membantu dan bermanfaat bagi masyarakat desa tersebut. Penelitian ini menggunakan metode AHP,  dimana metode yang dilakukan dengan membandingkan matriks sejumlah kriteria dan alternatif. Hasil penilaian akhir yang terpilih merupakan implementasi dari metode AHP, dimana yang terpilih adalah kriteria 4 yaitu Jumlah Penghasilan  dengan alternatif 1 bernama Selamet. Kata Kunci: AHP; masyarakat; RASKIN; seleksi; SPK
A COMPARATIVE ANALYSIS OF MFEP AND SAW METHODS IN DECISION SUPPORT SYSTEMS FOR MAJOR SELECTION Hutahaean, Jeperson; Mulyani, Neni; Putri Fahdrina, Jihan Aulia
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 10 No. 4 (2024): September 2024
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v10i4.3442

Abstract

Abstract: The selection of majors at SMAS YPK Kedaisianam previously still used a manual system that was less effective in determining the right major for students. To overcome this, a new system that is easier and more accurate is needed. This system is expected to assist counseling guidance teachers in providing solutions for choosing majors to students. This study compares two methods, namely Multi Factor Evaluation Process (MFEP) and Simple Additive Weighting (SAW), which have similarities in weighting criteria to produce more effective rankings. The research methodology used is a quantitative approach with numerical data analysis. This study aims to describe the comparison of the two methods in the decision support system for choosing majors at SMKS DAAR Muhsinin. The results of the study show that the use of more effective methods in the application system can make decision-making easier. The conclusion of this study is that the application of MFEP methods can improve accuracy and efficiency in the course selection process.Keywords: decision support system; mfep and saw methods; major selection. Abstrak: Pemilihan jurusan di SMAS YPK Kedaisianam sebelumnya masih menggunakan sistem manual yang kurang efektif dalam menentukan jurusan yang tepat bagi siswa. Untuk mengatasi hal tersebut, diperlukan sistem baru yang lebih mudah dan akurat. Sistem ini diharapkan membantu guru bimbingan konseling dalam memberikan solusi pemilihan jurusan kepada siswa. Penelitian ini membandingkan dua metode, yaitu Multi Factor Evaluation Process (MFEP) dan Simple Additive Weighting (SAW), yang memiliki kesamaan dalam pembobotan kriteria untuk menghasilkan peringkat yang lebih efektif. Metodologi penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis data berbasis angka. Penelitian ini bertujuan untuk mendeskripsikan perbandingan kedua metode tersebut dalam sistem pendukung keputusan pemilihan jurusan di SMKS DAAR Muhsinin. Hasil penelitian menunjukkan bahwa penggunaan metode yang lebih efektif dalam sistem aplikasi dapat mempermudah pengambilan keputusan. Simpulan dari penelitian ini adalah penerapan metode MFEP dapat meningkatkan akurasi dan efisiensi dalam proses pemilihan jurusan.Kata Kunci: metode mfep dan saw;  pemilihan jurusan; sistem pendukung keputusan.
MODELING CLOTHING ORDER SIZE GROUPING AT RIZKY CONVECTION USING THE K-MEANS METHOD Rahmadani, Putri; Hutahaean, Jeperson; Santoso, Santoso
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 11 No. 2 (2025): Maret 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i2.3774

Abstract

Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.Keywords: data mining; order data; K-Means; sportswear manufacturing. Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.Kata kunci: data mining; data pesanan; K-Means; konveksi.
Co-Authors Aandanu Aandanu Abdul Karim Ade Mayhaky Afdawiah, Rabiatul afrisawati, Afrisawati Agi Candra Bramantia Ahmad Zein Hasibuan Akmal Nasution Alpionita , Ella Anggara, Nadia Ayu Agustri Arridha Zikra Syah Aulia Kartika Aulia Kartika Aulia Khairani Nasution Aulia khairani Nasution Aulia Putri Fahdrina, Jihan Ayu Ambarwati Ayu Handayani Azmi Dwi Andira Putri, Aulia Badaruddin, Muliati Bella Putri Cahyani Ben Rahman Cecep Maulana Cecep Maulana Dandi Irwansyah dermawan, ari Desyanti Dewi Harwini Efendi Hutagalung, Jhonson Eka Saputra, Anton Endra Saputra Erlin Windia Ambarsari Eska, Juna Eva Solita Pasaribu Evi Ariyanti Purba Fahdrina, Jihan Aulia Putri Farenza, Dinda Novri Fitri Hadanyani Gogor Christmass Setyawan Guntur Maha Putra Haryansyah Sitorus Hetty Rohayani Hommy Dorthy Ellyany Sinaga Hutagalung, Juniar Indah Kurnia Irawati, Novica Irene Hasian Iwan Adhicandra Jasmir Jhonson Efendi Hutagalung Jumaryadi, Yuwan Kifti, Wan Mariatul Marpaung, Nasrun Maulana, Cecep Muh Saleh Malawat Muhammad Amin Muhazir, Ahmad Muthia Dewi Nazrul Azizi Neny Mulyani Nofri Yudi Arifin Nofriadi Nofriadi Novita Sari Novrini Hasti Nuriadi Manurung Parini, Parini Parwan Harahap Putri Fahdrina, Jihan Aulia Putri Rahmadani, Putri Rachmad Andri Atmoko Rahayu, Elly ramadhani ramadhani Ramadhani, Andrew Riski Afdhalis Syahreza Rolly Yesputra Ruktiari Ismail, Rima Saludin Saludin SANTOSO SANTOSO Sapriyanti, Sapriyanti Saputra, Endra Sartini Sartini Siagian, Yessica Siti Nuraisyah Suci Dewi Maharani Sianipar Sitorus, Lamhot Sri Amelia, Sri Sri Rezki Maulina Azmi Sri Wahyuni Sufi Lubis, Syafaat Suparmadi S Syafira, Shella Tengku Riza Zarzani N Tia Zulaika Aulia Pane Umbari Putri, Lia Wibowo, Gentur Wahyu Nyipto William Ramdhan Wily Julitawaty Winnugroho Wiratman, Manfaluthy Hakim, Tiara Aninditha, Aru W. Sudoyo, Joedo Prihartono Yesica Siagian Yessica Siagian Yuliana, Siska Zulfi Azhar Zulika Maduri