Article Per Year (5 Year)
p-Index From 2021 - 2026
5.092
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA Hasil Pengabdian Kepada Masyarakat Martabe : Jurnal Pengabdian Kepada Masyarakat Indonesian Journal of Education and Mathematical Science Journal of Applied Engineering and Technological Science (JAETS) Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Instal : Jurnal Komputer Hello World Blend Sains Jurnal Teknik Innovative: Journal Of Social Science Research Jurnal Pengabdian Barelang Nusantara Journal of Multidisciplinary Science Hanif Journal of Information Systems Jurnal Sains, Teknologi dan Komputer Portal Riset dan Inovasi Sistem Perangkat Lunak Tsabit PAEDAGOGIE Inventa: Journal of Science, Technology, and Innovation
Halim Maulana
Universitas Muhammadiyah Sumatera Utara
Religion Agriculture, Biological Sciences & Forestry Arts Humanities 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 Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Public Health Social Sciences Other

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Analisis Dan Implementasi Algoritma Logistik Regresi Dalam Mengklasifikasi Calon Konsumen Barbershop Di Kota Medan Sebagai Ide Pengembangan Bisnis Aplikasi Pangkasin Farhan Al Ikhsan; Halim Maulana
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 3 No. 3 (2025): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v3i3.185

Abstract

Perkembangan teknologi digital mendorong transformasi di berbagai sektor, termasuk jasa pangkas rambut (barbershop). Startup Pangkasin hadir sebagai aplikasi yang menawarkan layanan reservasi dan pangkas rambut berbasis digital. Namun, tantangan muncul dalam mengidentifikasi konsumen potensial yang berminat menggunakan aplikasi ini. Penelitian ini bertujuan mengimplementasikan algoritma Logistik Regresi untuk mengklasifikasikan calon konsumen barbershop di Kota Medan berdasarkan data observasi yang meliputi umur, jenis kelamin, dan frekuensi cukur rambut. Penelitian ini menggunakan metode observasi langsung di delapan barbershop serta analisis data dengan Python. Data dibagi menjadi data latih (training) dan data uji (testing) dengan perbandingan 70:30. Hasil penelitian menunjukkan model Logistik Regresi yang dikembangkan mampu mengklasifikasikan konsumen potensial dengan tingkat akurasi 80%, recall 91,8%, presisi 85%, dan F1-Score 88%. Karakteristik pengguna potensial aplikasi Pangkasin cenderung berumur 20–35 tahun, pria, dan memiliki frekuensi cukur 2–3 kali per bulan. Hasil penelitian ini diharapkan dapat menjadi acuan dalam pengembangan strategi bisnis digital pada sektor jasa pangkas rambut.
Perbandingan Kinerja K-Means dan K-Medoids dalam Klasifikasi Siswa Berprestasi di SMP Muhammadiyah 60 Medan Farida Nafisa Siagian; Halim Maulana
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/tay7fq21

Abstract

This study investigates the comparative performance of the K-Means and K-Medoids clustering algorithms in classifying student achievement at SMP Muhammadiyah 60 Medan. The research applies a quantitative data mining approach using academic and non-academic variables, including Mathematics scores, Science scores, Bahasa Indonesia scores, attendance records, and extracurricular participation. Data preprocessing was conducted through cleaning, normalization using Min-Max Scaling, and feature selection to ensure data consistency and analytical reliability. The findings indicate that both algorithms successfully classified students into meaningful performance groups with consistent clustering structures. K-Means demonstrated superior computational efficiency and lower SSE values, making it suitable for homogeneous datasets. In contrast, K-Medoids exhibited greater robustness against outliers and produced more stable cluster distributions. The study concludes that K-Medoids provides more representative clustering results for educational datasets characterized by heterogeneous performance patterns.
Estimasi Perbandingan Harga Mobil Bekas Toyota Dan Daihatsu Menggunakan Multiple Linear Regression Pada Showroom Family Mobil Medan Hafiz Faturrahman; Halim Maulana
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 1 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i1.197

Abstract

Pasar mobil bekas di Indonesia terus berkembang, namun masalah utama yang dihadapi adalah ketidakpastian nilai jual kembali (resale value) yang sering mengalami penurunan drastis. Hal ini terlihat pada merek Toyota dan Daihatsu yang menunjukkan pola depresiasi harga berbeda meskipun berasal dari grup manufaktur yang sama. Kondisi ini menyulitkan showroom seperti Family Mobil Medan dalam menentukan harga yang wajar dan dapat menurunkan kepercayaan konsumen. Penelitian ini bertujuan menganalisis perbandingan penurunan harga mobil Toyota dan Daihatsu menggunakan metode regresi linear berganda. Data yang digunakan meliputi tahun produksi, usia kendaraan, kilometer tempuh, dan harga jual aktual. Tahapan penelitian mencakup pra- pemrosesan data, eksplorasi, pemodelan, serta evaluasi dengan Mean Absolute Error (MAE) dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan regresi linear mampu memberikan estimasi harga yang cukup akurat, sehingga dapat membantu showroom dalam menetapkan harga berbasis data, mengurangi risiko kesalahan estimasi, serta meningkatkan transparansi transaksi jual beli mobil bekas.
Perbandingan Kinerja K-Means Dan K-Medoids Dalam Klasifikasi Siswa Berprestasi Di SMP Muhammadiyah 60 Medan Farida Nafisa Siagian; Halim Maulana
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.243

Abstract

Pengelompokan data siswa berprestasi merupakan langkah penting dalam proses evaluasi dan pengambilan keputusan di lingkungan pendidikan. Metode clustering seperti K-Means dan K-Medoids banyak digunakan untuk mengelompokkan data berdasarkan prestasi akademik, kehadiran, dan aktivitas ekstrakurikuler. Penelitian ini bertujuan untuk membandingkan kinerja kedua algoritma tersebut dalam mengelompokkan siswa berprestasi di SMP Muhammadiyah 60 Medan. Metode yang digunakan meliputi proses clustering data menggunakan algoritma K-Means dan K-Medoids, serta evaluasi hasil menggunakan nilai silhouette untuk menilai kualitas cluster. Hasil penelitian menunjukkan bahwa kedua metode mampu mengelompokkan siswa ke dalam kategori berprestasi tinggi, sedang, dan rendah. K-Means lebih cepat dalam komputasi dan cocok untuk data yang homogen serta berukuran besar, namun sensitif terhadap outlier. Sebaliknya, K-Medoids lebih stabil dan tahan terhadap outlier meskipun membutuhkan waktu komputasi yang lebih lama. Berdasarkan hasil evaluasi, K-Medoids memberikan hasil yang lebih representatif pada kondisi data dengan variasi nilai ekstrem. Penelitian ini diharapkan dapat membantu pihak sekolah dalam melakukan segmentasi siswa secara efektif dan efisien guna mendukung pengambilan kebijakan yang lebih tepat sasaran.
Design and development of a Web3-based student graduation badge system for FIKTI UMSU using non-transferable NFTs and smart contracts on the Ethereum testnet Zaid Ahlun Ulumuddin; Halim Maulana
Jurnal Sains, Teknologi & Komputer Vol. 3 No. 1 (2026): Jurnal Sains, Teknologi & Komputer (SAINTEK)
Publisher : Lembaga Riset Mutiara Akbar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56495/saintek.v3i1.1309

Abstract

Conventional management and verification of academic credentials still face limitations regarding document processing and verification workflows. This research aims to design and develop a Web3-based student graduation badge system utilizing non-transferable Non-Fungible Tokens (NFTs)—specifically Soulbound Tokens (SBTs)—via smart contracts on the Ethereum Sepolia Testnet. The system was developed using the Waterfall model, encompassing requirements analysis, system design, implementation, and testing. Smart contracts were developed using Solidity and Hardhat, incorporating modifications to the ERC-721 standard to restrict token transfers, while the web-based interface was built using React.js and integrated with the blockchain via Ethers.js. Badge metadata is stored using the InterPlanetary File System (IPFS). Functional testing results demonstrate that all nine test scenarios were successfully executed, yielding the expected outcomes. The system supports mass badge issuance via `mintBatch`, prevents token transfers, enables validity revocation and restoration through `softRevokeBatch` and `hardRevokeBatch`, and facilitates credential verification via a public webpage. These results indicate that SBTs serve as a viable alternative for managing digital graduation badges by providing a blockchain-based mechanism for credential issuance, management, and verification.
Analisis Perencanaan Dan Pengendalian Stok Obat Menggunakan Metode Analisis ABC Dan Algoritma LG Boosting Di Instalasi Farmasi Rifdah Febiana Putri Lubis; Halim Maulana
Hello World Jurnal Ilmu Komputer Vol. 5 No. 2 (2026): Edisi Juli 2026
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan stok obat memiliki peran krusial di instalasi farmasi karena secara langsung memengaruhi kelancaran layanan kesehatan. Penelitian ini berfokus pada perencanaan dan pengendalian persediaan obat melalui penerapan Analisis ABC, yang digunakan untuk mengelompokkan obat berdasarkan nilai pemakaian dan kontribusinya terhadap total biaya, serta algoritma Gradient Boosting untuk meramalkan kebutuhan obat dengan memanfaatkan data historis. Hasil kajian menunjukkan bahwa Analisis ABC dapat menetapkan kelompok prioritas, di mana kelas A menempati porsi terbesar dalam nilai investasi meskipun jumlah itemnya terbatas. Selain itu, algoritma Gradient Boosting memberikan hasil peramalan yang lebih presisi dibandingkan metode regresi sederhana. Kombinasi kedua metode ini efektif dalam meningkatkan efisiensi pengelolaan persediaan, mengurangi risiko defisit maupun surplus stok, serta mendukung kesinambungan ketersediaan obat bagi pasien.untuk membangun sistem peramalan harga saham yang dapat diandalkan.
Penerapan Algoritma CNN (Convolutional Neural Network) Untuk Menentukan Pemilihan Bibit Kelapa Pandan Berdasarkan Citra Miftah Aristiya Badri; Halim Maulana
Nusantara Journal of Multidisciplinary Science Vol. 4 No. 1 (2026): NJMS - Agustus 2026
Publisher : PT. Inovasi Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemilihan bibit kelapa pandan yang berkualitas merupakan tahap penting dalam mendukung pertumbuhan dan produktivitas tanaman, namun seleksi manual berdasarkan pengamatan visual bersifat subjektif, membutuhkan waktu, dan berpotensi menghasilkan keputusan yang kurang konsisten. Penelitian ini menerapkan Convolutional Neural Network (CNN) untuk mengklasifikasikan kualitas bibit kelapa pandan berdasarkan citra digital. Dataset terdiri atas 1.000 citra, yaitu 500 citra bibit unggul dan 500 citra bibit tidak unggul, yang dibagi menjadi 80% data training, 10% data validation, dan 10% data testing. Tahapan klasifikasi meliputi pengambilan dan validasi citra, preprocessing berupa resize dan normalisasi, pemrosesan menggunakan model CNN, serta prediksi kelas. Model yang telah dilatih diimplementasikan dalam aplikasi berbasis web dengan input melalui unggahan gambar maupun kamera. Hasil menunjukkan bahwa sistem mampu mengenali pola visual bibit, terutama bentuk bibit, warna daun, dan kondisi pertumbuhan, serta menampilkan kategori bibit beserta nilai confidence. Kinerja klasifikasi masih dipengaruhi kualitas citra, khususnya pencahayaan, sudut pengambilan gambar, dan kejernihan objek. Penerapan CNN dapat membantu proses pemilihan bibit secara lebih cepat, objektif, dan efisien
Co-Authors Afdolly Akbar Khaidir Siregar Al Khowarizmi Al Khowarizmi Amira Muhammad Salim Banem Anitya Jauza Rachmad Edy Rahman Syahputra Efendi, Raimon Efendi, Syahril Farhan Al Ikhsan Farida Nafisa Siagian Fatma Sari Hutagalung Ferdy Riza Gusrion, Deval Hafiz Faturrahman Indah Purnama Sari Irvan, Irvan Juliaz, Deal Alfi Lubis, Husni Lutfi Basit Marah Doly Nasution Mhd. Basri Miftah Aristiya Badri Mintahul Rizka Nasution Muhammad Nauval Asyqar Ridwan Ritonga Mulkan Azhari Nasution, Chairul Ichwan Purwanto Purwanto Rahma, Nadya Rahmad Wahyudi Raveah Nasution Rifdah Febiana Putri Lubis Sari Hutagalung, Fatma Sari, Ayu Sekar Sefhia Astri Yulika Purba Sibuea, Royhan Umri Siti Nur Hidayah, Siti Nur Suryana, Febriyanno Syahputra, Abdillah Yoga Pramana Zaid Ahlun Ulumuddin Zakhir, Zharfan Zaki Zain Rangkuti