Article Per Year (5 Year)
p-Index From 2021 - 2026
4.603
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 sudo Jurnal Teknik Informatika Hello World Blend Sains Jurnal Teknik Innovative: Journal Of Social Science Research Jurnal Pengabdian Barelang Hanif Journal of Information Systems 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 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 : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Klasifikasi Barang Promosi Dan Harga Diskon Di Alfamidi Turi Menggunakan Metode Random Forest Berbasis Web Zaki Zain Rangkuti; 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.v3i3.182

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi barang promosi dan harga diskon di Alfamidi Turi menggunakan metode Random Forest berbasis web. Permasalahan utama yang dihadapi adalah kesulitan dalam mengelompokkan barang promosi secara otomatis serta ketidakefisienan dalam memantau perubahan harga diskon yang dinamis. Sistem yang dirancang bertujuan untuk membantu pihak manajemen dalam mengelola informasi promosi secara cepat, akurat, dan terintegrasi. Metode Random Forest dipilih karena memiliki kemampuan tinggi dalam menangani data dengan banyak variabel dan mengurangi risiko overfitting. Tahapan penelitian meliputi pengumpulan data produk dan harga, pra-pemrosesan data, pelatihan model Random Forest, serta implementasi hasil klasifikasi pada sistem berbasis web menggunakan framework PHP dan MySQL. Hasil pengujian menunjukkan bahwa model Random Forest mampu mencapai akurasi klasifikasi sebesar 95,8%, dengan performa stabil pada berbagai variasi data promosi. Sistem web yang dibangun memungkinkan pengguna untuk melakukan klasifikasi barang, menampilkan daftar promosi aktif, serta memperbarui harga secara otomatis berdasarkan hasil prediksi model. Kesimpulan dari penelitian ini menunjukkan bahwa penerapan Random Forest berbasis web efektif dalam meningkatkan efisiensi pengelolaan data promosi dan harga diskon di Alfamidi Turi, serta dapat dijadikan dasar pengembangan sistem manajemen penjualan cerdas di masa mendatang.
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.
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 Indah Purnama Sari Irvan, Irvan Juliaz, Deal Alfi Lubis, Husni Lutfi Basit Marah Doly Nasution Mhd. Basri Mintahul Rizka Nasution Muhammad Nauval Asyqar Ridwan Ritonga Mulkan Azhari Nasution, Chairul Ichwan Purwanto Purwanto Rahma, Nadya Rahmad Wahyudi Raveah Nasution Sari Hutagalung, Fatma Sari, Ayu Sekar Sefhia Astri Yulika Purba Sibuea, Royhan Umri Siti Nur Hidayah, Siti Nur Suryana, Febriyanno Syahputra, Abdillah Tanjung, M. Iqbal Yoga Pramana Zakhir, Zharfan Zaki Zain Rangkuti