Article Per Year (5 Year)
p-Index From 2021 - 2026
13.156
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama LEX ET SOCIETATIS Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Sistemasi: Jurnal Sistem Informasi Information System for Educators and Professionals : Journal of Information System Sebatik JOURNAL OF SCIENCE AND SOCIAL RESEARCH EDUKATIF : JURNAL ILMU PENDIDIKAN Menara Ilmu JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Community Development Journal: Jurnal Pengabdian Masyarakat Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Computer Science and Information Technology (CoSciTech) Bulletin of Computer Science Research Journal of Education Research Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Sains dan Teknologi Jurnal Sains Informatika Terapan (JSIT) Jurnal Komtekinfo Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer Populer: Jurnal Penelitian Mahasiswa INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Jurnal Ilmiah Teknik Informatika dan Komunikasi Indonesian Research Journal on Education Jurnal Ilmiah Dan Karya Mahasiswa Jurnal Satya Informatika Jurnal Sistem Informasi dan Ilmu Komputer Indo Green Journal Jurnal Elektronika dan Teknik Informatika Terapan Jurnal Penelitian Teknologi Informasi dan Sains Saber: Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi Jurnal Quancom: Jurnal Quantum Komputer Jurnal Pengabdian Masyarakat dan Riset Pendidikan Journal of Information System and Education Development Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Pengabdian Masyarakat Bangsa Jurnal Ilmu Komputer dan Informatika Indo Green Journal Jurnal TAM (Technology Acceptance Model) Journal of Computer Science Advancements Edumaspul: Jurnal Pendidikan
Billy Hendrik
Universitas Putra Indonesia YPTK Padang
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 109 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 109 Documents
Search

 7   8   9   10   11 
Penerapan K-Means dan Algoritma C4.5 dalam Klasifikasi Ulasan Pengguna Aplikasi Mitsubishi SFID Dzil Hidayati; Sarjon Defit; Billy Hendrik
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 11 No 1 (2026): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2026)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/isbi.v11i1.3831

Abstract

Pada penelitian ini dilatarbelakang oleh dimana banyaknya ulasan pengguna aplikasi SFID yang berisi keluhan dan penilaian dengan bahasa yang beragam sehingga sulit dianalisis secara manual, cepat dan objektif. Kondisi tersebut menyebabkan informasi penting terkait pengalaman pengguna, kendala teknis, dan kualitas layanan aplikasi belum dapat dimanfaatkan secara optimal sebagai dasar pengambilan keputusan pengembangan aplikasi. Dengan demikian, penelitian ini bertujuan untuk mengelompokkan dan mengklasifikasikan ulasan pengguna aplikasi Mitsubishi SFID secara sistematis guna mendukung proses pengambilan keputusan. Dalam penelitian ini, Metode K-Means Clustering digunakan untuk mengelompokkan ulasan berdasarkan tingkat kemiripan karakteristik dan tema, sedangkan algoritma C4.5 diterapkan untuk mengklasifikasikan ulasan pada setiap kelompok ke dalam kategori tertentu berdasarkan atribut yang relevan. Data yang dianalisis berasal dari ulasan pengguna aplikasi Mitsubishi SFID yang diperoleh melalui platform Google Play Store. Penelitian ini menunjukkan bahwa model klasifikasi yang dibuat berhasil memberikan tingkat akurasi yang baik serta hasil validasi menunjukkan bahwa model memiliki kinerja yang stabil dan dapat diandalkan dalam mengklasifikasikan ulasan pengguna dengan nilai akurasi 88,89%. Dampak dari penelitian ini adalah tersedianya informasi terstruktur mengenai permasalahan dan kebutuhan pengguna yang dapat dimanfaatkan sebagai dasar penentuan prioritas perbaikan fitur, peningkatan kualitas layanan aplikasi, serta membantu mengambil keputusan yang lebih tepat dan didasarkan pada data
Penerapan K-Means dan Algoritma C4.5 dalam Klasifikasi Ulasan Pengguna Aplikasi Mitsubishi SFID Dzil Hidayati; Sarjon Defit; Billy Hendrik
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS : Journal of Information System Vol 11 No 1 (2026): INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS (Juni 2026)
Publisher : Lembaga Penelitian dan Pengabdian kepada Masyarakat Universitas Bina Insani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51211/isbi.v11i1.3831

Abstract

Pada penelitian ini dilatarbelakang oleh dimana banyaknya ulasan pengguna aplikasi SFID yang berisi keluhan dan penilaian dengan bahasa yang beragam sehingga sulit dianalisis secara manual, cepat dan objektif. Kondisi tersebut menyebabkan informasi penting terkait pengalaman pengguna, kendala teknis, dan kualitas layanan aplikasi belum dapat dimanfaatkan secara optimal sebagai dasar pengambilan keputusan pengembangan aplikasi. Dengan demikian, penelitian ini bertujuan untuk mengelompokkan dan mengklasifikasikan ulasan pengguna aplikasi Mitsubishi SFID secara sistematis guna mendukung proses pengambilan keputusan. Dalam penelitian ini, Metode K-Means Clustering digunakan untuk mengelompokkan ulasan berdasarkan tingkat kemiripan karakteristik dan tema, sedangkan algoritma C4.5 diterapkan untuk mengklasifikasikan ulasan pada setiap kelompok ke dalam kategori tertentu berdasarkan atribut yang relevan. Data yang dianalisis berasal dari ulasan pengguna aplikasi Mitsubishi SFID yang diperoleh melalui platform Google Play Store. Penelitian ini menunjukkan bahwa model klasifikasi yang dibuat berhasil memberikan tingkat akurasi yang baik serta hasil validasi menunjukkan bahwa model memiliki kinerja yang stabil dan dapat diandalkan dalam mengklasifikasikan ulasan pengguna dengan nilai akurasi 88,89%. Dampak dari penelitian ini adalah tersedianya informasi terstruktur mengenai permasalahan dan kebutuhan pengguna yang dapat dimanfaatkan sebagai dasar penentuan prioritas perbaikan fitur, peningkatan kualitas layanan aplikasi, serta membantu mengambil keputusan yang lebih tepat dan didasarkan pada data
Prediksi Jumlah Kebutuhan Biji Kopi Berdasarkan Pola Konsumsi Konsumen dengan Algoritma Apriori Ridwan Sutri; Billy Hendrik; Rini Sovia
Bulletin of Computer Science Research Vol. 5 No. 5 (2025): August 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bulletincsr.v5i5.757

Abstract

Coffee bean prediction is needed for optimal inventory management to maintain efficiency. This data grouping is taken from customer shopping consumption patterns. Based on the research aims to predict the amount of coffee bean needs based on consumer consumption patterns by applying the Apriori algorithm. Utilization of processed transaction data can provide what steps should be taken in the future. Based on this, this study aims to predict the amount of coffee bean needs based on consumer consumption patterns with the Apriori algorithm. The Apriori algorithm forms association rules based on a combination of data indicators used. These data indicators are sourced from Freehand Coffee. Based on the use of the Apriori algorithm in predicting coffee bean needs based on consumer consumption patterns, the results showed that the Apriori algorithm is able to provide product recommendations in the form of associative or consumer transaction patterns by collecting transaction data and then experimenting with existing data indicators. The contribution of this research can help Freehand Coffee to estimate coffee bean needs and optimize stock management, this research also helps in selecting drinks based on consumer consumption.
Fuzzy C-Means and K-Means Methods Comparison for the Detection of Diabetes Roy Efendi Subarja; Billy Hendrik
Journal of Computer Science Advancements Vol. 1 No. 5 (2023)
Publisher : Yayasan Adra Karima Hubbi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70177/jsca.v1i5.620

Abstract

The necessity for precise and effective disease detection techniques has increased due to the rising incidence of diabetes. The main objective of this study is to assess how well the fuzzy C-Means and K-Means clustering algorithms detect diabetes. Based on pertinent medical data, the study attempts to examine how well these two clustering approaches identify cases of diabetes. For testing, a dataset with a variety of health and diagnostic indicator variables was used. Metrics including sensitivity, specificity, accuracy, and F1-score were used to evaluate the detection performance of the Fuzzy C-Means and K-Means algorithms that were used to cluster the dataset. Based on several evaluation criteria, the results show that both clustering approaches have promising potential for diabetes identification. However, their performance varies. This study sheds light on the advantages and disadvantages of clustering algorithms and advances our understanding of their suitability for diabetes identification. Improved diagnosis precision and early diabetes management intervention could result from more optimization and validation of these algorithms
Sosialisasi Dan Penerapan Sistem Informasi Mitigasi Bencana Alam di Kabupaten Agam Berbasis Web untuk Meningkatkan Kesadaran dan Kesiapsiagaan Masyarakat Ritna Wahyuni; Firdaus Firdaus; Mardhiah Masril; Billy Hendrik
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 3 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 3 (Januari 202
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i3.4209

Abstract

Bencana alam merupakan ancaman yang dapat menimbulkan kerugian materiil maupun korban jiwa. Kesadaran dan kesiapsiagaan masyarakat menjadi faktor penting dalam mengurangi dampak bencana. Penelitian ini bertujuan untuk mengembangkan dan mensosialisasikan Sistem Informasi Mitigasi Bencana Alam berbasis web di Kabupaten Agam, sebagai media edukasi dan koordinasi bagi masyarakat. Sistem ini menyajikan peta rawan bencana, panduan evakuasi, informasi kontak darurat, serta statistik kejadian bencana secara real-time. Metode pengembangan menggunakan pendekatan waterfall, dimulai dari analisis kebutuhan, perancangan, implementasi, hingga pengujian sistem. Hasil implementasi menunjukkan bahwa sistem informasi ini mampu meningkatkan pemahaman masyarakat terhadap risiko bencana, mempermudah akses informasi terkait mitigasi, dan memperkuat kesiapsiagaan dalam menghadapi bencana alam. Dengan demikian, penerapan sistem berbasis web ini menjadi salah satu solusi efektif dalam mendukung mitigasi bencana dan meningkatkan kesadaran masyarakat.
Anomali Data Mining Menggunakan Metode K-Means Dalam Penilaian Mahasiswa Terhadap Pelayanan Prodi Deti Karmanita; Billy Hendrik
Jurnal Media Infotama Vol 19 No 2 (2023): Oktober
Publisher : UNIVED Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37676/jmi.v19i2.4744

Abstract

Cluster analysis is a data mining technique that aims to identify a group of objects that have the same characteristics. The number of groups that can be identified depends on the amount of data and the type of object, so that data problems arise when there is a change to a number of redundant data, but not all of it is changed where the data above is repeatedly made into one table with a different code as the primary key and there are anomalies Insertion, so K-means is one method of clustering data which is divided into the form of one or more clusters/groups that have the same characteristics. Student data clustering uses the k-means method, consisting of student assessments. This study uses student assessment data. Then it was concluded that the assessment group was based on reliability aspects: the ability of lecturers, education staff and administrators to provide services, responsiveness aspects: the willingness of lecturers, education staff and administrators to help students and provide services quickly, aspects of certainty ( assurance): the ability of lecturers, staff and administrators to give confidence to students that the services provided are in accordance with the provisions, aspects of empathy (empathy): the willingness/concern of lecturers, staff and managers to give attention to students, tangibles aspects: students' assessment of the adequacy , accessibility, quality of facilities and infrastructure from the grouping results based on reliability, responsiveness, assurance and empathy data.
PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK SEGMENTASI BERDASARKAN KESIAPAN SELEKSI: SYSTEMATIC LITERATUR REVIEW Imam Fakhri Muhammad; Billy Hendrik
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3153

Abstract

Abstract: The application of the K-means clustering algorithm as an innovative method for readiness segmentation, enabling the grouping of individuals based on their preparedness in the selection process. With the background issue of the lack of systematic methods to identify individual readiness, this study aims to develop an effective segmentation model using K-Means. The research method involves collecting relevant data and applying the K-Means algorithm to identify optimal clusters. The results show that the K-Means algorithm successfully grouped individuals into clusters according to their selection readiness, providing strategic insights for decision-makers in conducting a more accurate and efficient selection process. This study makes a significant contribution to the development of more targeted and effective selection strategies. Keyword: Selection Strategy; Readiness-Based Grouping; Data Clustering. Abstrak: Penerapan algoritma K-means clustering sebagai metode inovatif untuk segmentasi kesiapan seleksi, yang memungkinkan pengelompokan individu berdasarkan kesiapan mereka dalam proses seleksi. Dengan latar belakang permasalahan kurangnya metode sistematis untuk mengidentifikasi kesiapan individu, penelitian ini bertujuan untuk mengembangkan model segmentasi yang efektif menggunakan K-Means. Metode penelitian melibatkan pengumpulan data relevan dan penerapan algoritma K-Means untuk mengidentifikasi cluster yang optimal. Hasil penelitian menunjukkan bahwa algoritma K-Means berhasil mengelompokkan individu ke dalam cluster yang sesuai dengan kesiapan seleksi mereka, memberikan wawasan strategis bagi pengambil keputusan dalam proses seleksi yang lebih akurat dan efisien. Penelitian ini memberikan kontribusi signifikan dalam pengembangan strategi seleksi yang lebih tepat sasaran dan efektif. Kata kunci: Strategi Seleksi; Pengelompokan Berdasarkan Kesiapan; Klasterisasi Data. 
DAMPAK TEKNOLOGI INFORMASI TERHADAP KECERDASAN EMOSIONAL SISWA SMP: STUDI PERBANDINGAN TAHUN 2016 DAN 2024 Fadhila Putri Sani; Billy Hendrik
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3156

Abstract

Abstract: Information technology (IT) has experienced rapid development in recent years, significantly impacting various aspects of life, including education and students' emotional development. This study aims to compare the impact of information technology on the emotional intelligence of Junior High School (SMP) students in 2016 and 2024. This research employs a quantitative method with a survey approach involving 400 junior high school students from the two periods. The findings indicate significant differences in self-awareness, emotion management, empathy, and social skills between the two periods. Although IT has provided benefits in enhancing access to information and communication skills, negative impacts such as reduced direct social interaction and increased digital stress were also identified. This study highlights the importance of adaptive educational strategies to optimize the role of IT in students' emotional intelligence development. Keyword: Information Technology; Emotional Intelligence; Junior High School Students; Comparison of 2016 and 2024 Abstrak: Teknologi informasi (TI) telah mengalami perkembangan pesat dalam beberapa tahun terakhir, memberikan pengaruh yang signifikan terhadap berbagai aspek kehidupan, termasuk pendidikan dan perkembangan emosional siswa. Studi ini bertujuan untuk membandingkan dampak teknologi informasi terhadap kecerdasan emosional siswa Sekolah Menengah Pertama (SMP) pada tahun 2016 dan 2024. Penelitian ini menggunakan metode kuantitatif dengan pendekatan survei terhadap 400 siswa SMP dari dua periode waktu tersebut. Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam aspek kesadaran diri, manajemen emosi, empati, dan keterampilan sosial siswa antara kedua periode tersebut. Meskipun TI memberikan manfaat dalam meningkatkan akses informasi dan keterampilan komunikasi, dampak negatif seperti penurunan interaksi sosial langsung dan peningkatan stres digital juga teridentifikasi. Studi ini menyoroti pentingnya strategi pendidikan yang adaptif untuk mengoptimalkan peran TI dalam perkembangan kecerdasan emosional siswa. Kata kunci: Teknologi Informasi; Kecerdasan Emosional; Siswa SMP; Perbandingan 2016 dan 2024
PREDIKSI PRODUKTIVITAS LAHAN KELAPA SAWIT PASCA PEREMAJAAN MENGGUNAKAN ALGORITMA MACHINE LEARNING Sukardi Sukardi; Billy Hendrik
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.3279

Abstract

Abstract: Oil palm land rejuvenation is an essential step in maintaining long-term productivity. However, uncertainty about post-rejuvenation productivity poses a significant challenge for farmers and plantation managers. This study aims to develop a predictive model for oil palm land productivity after rejuvenation using machine learning algorithms. The methods used include historical production data collection, environmental factors, and plant characteristics. The tested algorithms include Linear Regression, Random Forest, and Artificial Neural Network (ANN). The results indicate that the Random Forest model has the highest accuracy in predicting productivity with an R-squared value of 0.87. Implementing this model is expected to support more accurate decision-making in oil palm plantation management. Keyword: Oil Palm; Rejuvenation; Productivity Prediction; Machine Learning Abstrak: Peremajaan lahan kelapa sawit merupakan langkah penting dalam mempertahankan produktivitas jangka panjang. Namun, ketidakpastian mengenai produktivitas pasca peremajaan menjadi tantangan utama bagi para petani dan pengelola perkebunan. Studi ini bertujuan untuk mengembangkan model prediksi produktivitas lahan kelapa sawit pasca peremajaan dengan menggunakan algoritma machine learning. Metode yang digunakan mencakup pengumpulan data historis produksi, faktor lingkungan, serta karakteristik tanaman. Algoritma yang diuji meliputi Regresi Linear, Random Forest, dan Artificial Neural Network (ANN). Hasil penelitian menunjukkan bahwa model Random Forest memiliki akurasi tertinggi dalam memprediksi produktivitas dengan nilai R-squared sebesar 0,87. Implementasi model ini diharapkan dapat membantu pengambilan keputusan yang lebih akurat dalam manajemen perkebunan kelapa sawit. Kata kunci: Kelapa Sawit; Peremajaan; Prediksi Produktivitas; Machine Learning
Co-Authors A'yuni, Qurrata Abdi Juliantho, Dwana Abdi Julianto, Dwana Ade Saputra Ade saputra Afifah Syahidah Nahda Akbar, Syifa Chairunnissa Deliva Akhiruddin Pulungan Amin Amirul Mukminin, Andi Amin, Andi Amir Salim Khairul Rijal Amir Salim Khairul Rijal Amri, Yassirli Andi, Muhammad Yusril Haffandi Aprilian Gevindo Arby, Willya Aswandi, Nopan Budiantoro, Hendro Deti Karmanita Dewi, Apriandini Sri Diffri Solihin Siregar Doni Karseno Dwana Abdi Juliantho Dzil Hidayati Fadhila Putri Sani Fadil Idensia Febby Olivia, Ladyka Firdaus Firdaus daus Firdaus Firdaus Fitri Amelia Lubis Fungki Wahyu Gevindo, Aprilian Ghinaa Fadhiilah Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo Haffandi, Muhammad Yusril Harry Theozard Fikri Hasri Awal hidayat, Ilsa Ikhlas, Ariza Imam Fakhri Muhammad Indhira, Sonia Juliantho, Dwana Abdi Karseno, Doni Ladyka Febby Olivia Lubis, Fitri Amelia Sari Lubis, Fitri Sari Lubis, Siti Sahara Mardhiah Masril Muhammad, Imam Fakhri Nasution, Ayu Lestiani Nella Novrina Doni Nugraha, Fajri Olivia, Ladyka Febby Ondra Eka Putra Permana, Nabilah Putri Putri Ramadani Resnawita Resnawita Resnawita Rico Anggara Ridwan Sutri Ridwan, Ridwan Riris Agustin Riris Agustin Ritna Wahyuni Rizqi Nusabbih Hidayatullah Gaja Roy Efendi Subarja Roy Efendi Subarja Roy Efendi Subarja Ruri Hartika Zain Ruri Hartika Zain Ruri Hartika Zain Rusydi, Rezki Sahara Lubis, Siti Sani, Fadhila Putri Santriawan, Aji Sarjon Defit Satria Satria, Satria Septiawan, Edo Siti Sahara Lubis Siti Sahara Lubis Sonia Indhira Sonia Indhira, Sonia Sovia, Rini Sri Mulya Subarja, Roy Efendi Sukardi Sukardi Sukardi Sukardi Sumijan Sumijan Supperianto, Bambang Suri, Melati Rahma Syafri Arlis Tamin, Zulfiqar Uthama, Rayhan Vidyanti, Angela Wira, M Wira Sanjaya Wirdawati, Wira Yanto, Musli Yuhandri Yuhandri, Yuhandri Yuliana Pertiwi