Article Per Year (5 Year)
p-Index From 2021 - 2026
7.573
P-Index
This Author published in this journals
All Journal International Journal of Reconfigurable and Embedded Systems (IJRES) TEKNIK INFORMATIKA Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA JITK (Jurnal Ilmu Pengetahuan dan Komputer) JurTI (JURNAL TEKNOLOGI INFORMASI) MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer Jurnal Telematika JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH MIND (Multimedia Artificial Intelligent Networking Database) Journal CSRID (Computer Science Research and Its Development Journal) Building of Informatics, Technology and Science Jurnal Mantik Jurnal Manajemen, Ekonomi Sains Jurnal Varian JURNAL PIONIR INFOKUM Journal of Applied Data Sciences Jurnal Ipteks Terapan : research of applied science and education International Journal of Research in Vocational Studies (IJRVOCAS) Proceeding of International Conference on Information Science and Technology Innovation (ICoSTEC) Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Intelek Dan Cendikiawan Nusantara SISFOTENIKA Proceeding Of International Conference On Education, Society And Humanity
Wanayumini
Universitas Asahan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy 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 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 Veterinary Other

Published : 62 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search
Journal : JOURNAL OF SCIENCE AND SOCIAL RESEARCH

 1 
SEGMENTASI CITRA PADA CITRA ASLI BUAH JERUK BERDASARKAN NILAI THRESHOLDING Simangunsong, Dame Lasmaria; Wanayumini, Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 1 (2025): February 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i1.2491

Abstract

Abstract: This research aims to determine "Image Segmentation of Original Images of Orange Fruit Based on Thresholding Values". Thresholding value image segmentation is an image processing method that separates objects and backgrounds in an image based on differences in brightness levels. Image regions that tend to be dark will be made darker (perfect black with an intensity value of 0), while image regions that tend to be light will be made brighter (perfect white with an intensity value of 1). Therefore, the output of the segmentation process using the thresholding method is a binary image with a pixel intensity value of 0 or 1.The author conducted this research to obtain data by researching and concentrating on writings or sources identified with the problem being studied. Literary research can be obtained by searching for journals, ebooks taken from the internet that plan to find current hypotheses with the problem being studied.Based on the results of determining the thresholding value in determining the binary value, the threshold value is determined as a reference. If the matrix value is smaller than the threshold value then the result is 0 and if the matrix value is greater than the threshold value then the result is 1. Keywords: Thresholding Value, Image Segmentation, Orange Fruit Abstrak: Penelitian ini bertujuan untuk mengetahui “Segmentasi Citra Pada Citra Asli Buah Jeruk Berdasarkan Nilai Thresholding”. Yang mana Segmentasi citra nilai thresholding adalah metode pengolahan citra yang memisahkan objek dan background dalam suatu citra berdasarkan perbedaan tingkat kecerahannya. Region citra yang cenderung gelap akan dibuat semakin gelap (hitam sempurna dengan nilai intensitas sebesar 0), sedangkan region citra yang cenderung terang akan dibuat semakin terang (putih sempurna dengan nilai intensitas sebesar 1). Oleh karena itu, keluaran dari proses segmentasi dengan metode thresholding adalah berupa citra biner dengan nilai intensitas piksel sebesar 0 atau 1.Penelitian ini penulis lakukan untuk memperoleh data dengan meneliti dan berkonsentrasi pada tulisan atau sumber yang diidentifikasi dengan masalah yang diteliti. Penelitian kepustakaan bisa didapat dengan cara mencari jurnal, ebook yang diambil dari internet yang berencana untuk menemukan hipotesis saat ini dengan masalah yang diteliti.Berdasarkan Dari hasil penentuan nilai thresholding dalam menetukan nilai biner, maka sebagai acuannya ditentukan dengan nilai dari threshold nya. Jika nilai matriks lebih kecil dari nilai threshold maka hasilnya bernilai 0 dan jika nilai matriks lebih besar dari nilai threshold maka hasilnya bernilai 1. Kata kunci: Nilai Thresholding, Segmentasi Citra, Buah Jeruk
PREDIKSI KEBUTUHAN TENAGA PENDIDIK BERDASARKAN PERTUMBUHAN JUMLAH SISWA/I MENGGUNAKAN METOE MONTE CARLO Hasibuan, Cici Cahyati; Wanayumini, Wanayumini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 3 (2025): August 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i3.4095

Abstract

Abstract: This study aims to predict the need for educators at the junior high school level in Asahan Regency based on student growth using the Monte Carlo method. This process is done by generating random numbers through the Linear Congruential Method (LCM) and mapping them into the probability distribution of the number of students based on historical data. The prediction results show the number of junior high school students in 2026 reached 41,161 people. Based on the ideal ratio of 1 teacher for 20 students, an additional 785 educators are needed in sub-districts that experience shortages. This prediction system is developed in the form of a web-based application using PHP and MySQL to support the automatic simulation process. The implementation of this system is expected to help the Education Office in planning educators' needs efficiently and data-based. Keyword: Prediction; Monte Carlo; Educators; Students. Abstrak: Penelitian ini bertujuan untuk memprediksi kebutuhan tenaga pendidik tingkat SMP di Kabupaten Asahan berdasarkan pertumbuhan jumlah siswa menggunakan metode Monte Carlo. Proses ini dilakukan dengan membangkitkan angka acak melalui metode Linear Congruential Method (LCM) dan memetakannya ke dalam distribusi probabilitas jumlah siswa berdasarkan data historis. Hasil prediksi menunjukkan jumlah siswa SMP pada tahun 2026 mencapai 41.161 orang. Berdasarkan rasio ideal 1 guru untuk 20 siswa, dibutuhkan tambahan sebanyak 785 tenaga pendidik di kecamatan yang mengalami kekurangan. Sistem prediksi ini dikembangkan dalam bentuk aplikasi berbasis web menggunakan PHP dan MySQL untuk mendukung proses simulasi secara otomatis. Implementasi sistem ini diharapkan dapat membantu Dinas Pendidikan dalam merencanakan kebutuhan tenaga pendidik secara efisien dan berbasis data. Kata kunci: Prediksi; Monte Carlo; Tenaga Pendidik; Siswa.   
METODE KLASIFIKASI NAIVE BAYES UNTUK MENILAI KINERJA SISWA BERDASARKAN POLA HASIL UJIAN Syahrizal, Syahrizal; Wanayumini, Wanayumini
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.v8i4.4577

Abstract

Abstract: This research discusses the application of the Naïve Bayes classification method to assess student performance based on exam result patterns at SMK Swasta Animah Silau Laut. The data used were obtained from students' e-report scores, which were then analyzed using the Naïve Bayes algorithm. The results showed that this method can classify students into 'Good', and 'Poor' categories with a fairly high level of accuracy. This study is expected to help schools carry out more objective evaluations and support decision making processes to improve the quality of education. Therefore, the application of the Naïve Bayes method is expected to assist the school in gaining a comprehensive and objective understanding of students’ academic achievements, which can serve as a solid foundation for making informed decisions regarding the planning of learning improvement strategies and other academic policies. Furthermore, this research is expected to provide a reference for future studies related to the implementation of data mining or machine learning techniques in the education field, particularly in predicting and classifying student performance. Keywords: Naïve Bayes, Classification, Data Mining, Student Performance, Education Evaluation. Abstrak: Penelitian ini membahas penerapan metode klasifikasi Naïve Bayes untuk menilai kinerja siswa berdasarkan pola hasil ujian di SMK Swasta Animah Silau Laut. Data yang digunakan diperoleh dari nilai e-raport siswa yang kemudian dianalisis dengan algoritma Naïve Bayes. Hasil penelitian menunjukkan bahwa metode ini dapat digunakan untuk mengklasifikasikan siswa ke dalam kategori 'Baik' dan 'Tidak', dengan tingkat akurasi yang cukup tinggi. Penelitian ini diharapkan dapat membantu pihak sekolah dalam melakukan evaluasi yang lebih objektif dan mendukung proses pengambilan keputusan terkait peningkatan mutu pendidikan. Dengan demikian, penerapan metode Naïve Bayes diharapkan dapat membantu pihak sekolah dalam memperoleh gambaran menyeluruh dan objektif terkait capaian akademik siswa, sehingga dapat menjadi dasar yang kuat bagi pengambilan keputusan yang tepat dalam perencanaan strategi peningkatan kualitas pembelajaran maupun kebijakan akademik lainnya. Penelitian ini juga diharapkan dapat menjadi referensi bagi penelitian selanjutnya yang berkaitan dengan penerapan teknik data mining atau machine learning dalam bidang pendidikan, khususnya dalam melakukan prediksi dan klasifikasi terhadap kinerja peserta didik.. Kata Kunci: Naïve Bayes, Klasifikasi, Data Mining, Kinerja Siswa, Evaluasi Pendidikan
ANALISIS PREDIKSI PENURUNAN PENJUALAN PRODUK PADA MINIMARKET MENGGUNAKAN ALGORITMA NAIVE BAYES Putri, Nazifa; Wanayumini, Wanayumini
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.v8i4.4812

Abstract

Abstract: The decline in product sales is a common issue faced by minimarkets as it affects revenue stability and stock management strategies. To address this problem, a system capable of predicting potential sales decline accurately and efficiently is required. This study aims to implement the Naive Bayes algorithm to predict product sales decline in a minimarket, measure the prediction accuracy, and identify the most influential factors contributing to sales decrease. This research employs a quantitative method with a data mining approach. The dataset used consists of minimarket sales data from 2020 to 2023, including attributes such as product name, product category, quantity sold, price, sales period, and promotion status. The research stages include data preprocessing, data splitting into training and testing sets, applying the Naive Bayes algorithm, and evaluating the results using accuracy, precision, and recall metrics. The system implementation was developed using the Python programming language and the CodeIgniter framework for a web-based interface. The results show that the Naive Bayes algorithm achieved a 100% accuracy rate, indicating excellent performance in predicting sales decline. The most influential factors affecting sales decline are promotion status and product category, where non-promoted products and those belonging to the instant food category are more likely to experience decreased sales. Therefore, the implementation of the Naive Bayes algorithm proves to be effective in helping minimarket management monitor sales trends, design promotion strategies, and improve data-driven decision-making efficiency. Keywords: Naive Bayes, sales prediction, sales decline, data mining, minimarket. Abstrak: Penurunan penjualan produk merupakan permasalahan yang sering dihadapi oleh minimarket karena dapat memengaruhi stabilitas pendapatan dan strategi pengelolaan stok barang. Untuk mengatasi permasalahan tersebut, diperlukan suatu sistem yang mampu memprediksi potensi penurunan penjualan secara akurat dan efisien. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes dalam memprediksi penurunan penjualan produk pada minimarket, mengukur tingkat akurasi hasil prediksi, serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap penurunan penjualan. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan data mining. Data yang digunakan berupa data penjualan minimarket periode 2020–2023 dengan atribut meliputi nama produk, kategori produk, jumlah terjual, harga, waktu penjualan, dan status promosi. Proses penelitian meliputi tahap data preprocessing, pembagian data menjadi data latih dan data uji, penerapan algoritma Naive Bayes, serta evaluasi hasil menggunakan metrik accuracy, precision, dan recall. Implementasi sistem dilakukan dengan bahasa pemrograman Python serta framework CodeIgniter untuk antarmuka berbasis web. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu memberikan hasil prediksi dengan tingkat akurasi sebesar 100%, menunjukkan kemampuan model yang sangat baik dalam memprediksi penurunan penjualan produk. Faktor yang paling memengaruhi penurunan penjualan adalah status promosi dan kategori produk, di mana produk tanpa promosi dan kategori makanan instan lebih sering mengalami penurunan penjualan. Dengan demikian, penerapan algoritma Naive Bayes terbukti efektif untuk membantu manajemen minimarket dalam memantau tren penjualan, merancang strategi promosi, serta meningkatkan efisiensi pengambilan keputusan secara berbasis data. Kata kunci: Naive Bayes, prediksi penjualan, penurunan penjualan, data mining, minimarket. 
RANCANG BANGUN SISTEM REKOMENDASI PEMILIHAN SAHAM LOW-RISK BERBASIS FUZZY TSUKAMOTO PADA PASAR MODAL INDONESIA Maharani, Puan; Wanayumini, Wanayumini
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.v8i4.4814

Abstract

Abstract: The Indonesian capital market demonstrated rapid growth throughout 2025. According to a press release issued by the Indonesia Stock Exchange (IDX) on February 10, 2025, a significant surge in the number of national capital market investors was recorded. By early January 2025, the number of Single Investor Identifications (SIDs) had exceeded 15 million, marking the highest achievement in the development of financial inclusion in Indonesia. The stock data used was limited to companies listed on the Indonesia Stock Exchange and consistently included in the LQ45 index. The objective of this study was to design a low-risk stock selection model that uses the Tsukamoto fuzzy method to manage various criteria based on market data. The result sum_alpha = 0.333 was obtained from the highest rule evaluation value (alpha), and to obtain sum_alpha_z = 8.88, the highest rule evaluation value (alpha_z) was obtained to obtain a z_final value of 26.66 (sum_alpha_z value / sum_alpha value). This stock recommendation system can systematically select low-risk stock recommendations. Keywords: Design, Recommendation System, Low-Risk Stock Selection, Fuzzy Tsukamoto, Indonesian Capital Market Abstrak: Pasar modal Indonesia menunjukkan pertumbuhan yang pesat sepanjang tahun 2025. Berdasarkan siaran pers yang diterbitkan oleh PT Bursa Efek Indonesia (BEI) pada 10 Februari 2025, tercatat lonjakan signifikan dalam jumlah investor pasar modal nasional. Hingga awal Januari 2025, jumlah Single Investor Identification (SID) telah melampaui 15 juta, yang menandai capaian paling tinggi dalam perkembangan inklusi keuangan di Indonesia. Data saham yang digunakan terbatas pada perusahaan-perusahaan yang terdaftar di bursa efek Indonesia dan secara konsisten masuk dalam indeks LQ45. Tujuan dalam penelitian ini adalah merancang sebuah model seleksi saham berisiko rendah yang menggunakan metode fuzzy Tsukamoto untuk mengelola berbagai kriteria berbasis data pasar. hasil sum_alpha=0.333 didapat dari nilai tertinggi rule evaluation (alpha) dan untuk mendapatkan nilai sum_alpha_z=8.88 didapat dari nilai tertinggi rule evaluation (alpha_z) untuk mendapat nilai z_final=26.66 (nilai sum_alpha_z/ nilai sum_alpha) hasil. Sistem rekomendasi saham ini dapat melakukan proses seleksi secara sistem tentang rekomendasi saham yang rendah resiko. Kata Kunci: Rancang Bangun, Sistem Rekomendasi, Pemilihan Saham Low-Risk, Fuzzy Tsukamoto, Pasar Modal Indonesia
PENERAPAN DATA MINING DENGAN ALGORITMA NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI PEMBELIAN LAPTOP Darma, Ali; Wanayumini, Wanayumini
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.v8i4.4790

Abstract

Abstract: The rapid development of information technology has increased public demand for computer devices, particularly laptops. The wide variety of products and diverse consumer preferences make it essential for businesses to understand purchasing patterns in order to develop effective marketing strategies. This study aims to apply data mining techniques using the Naive Bayes Classifier algorithm to predict laptop purchase decisions based on sales data and consumer characteristics. The Naive Bayes Classifier method was chosen for its ability to perform accurate classification even when dealing with heterogeneous data and multiple attributes. The dataset used in this study includes attributes such as price, brand, specifications, and buyer preferences. The research process consists of data collection, preprocessing, probability calculation for each class, and evaluation using accuracy values and a confusion matrix. The results show that the Naive Bayes Classifier algorithm provides a satisfactory level of accuracy in predicting laptop purchasing behavior. These findings are expected to assist stores or companies in understanding customer purchasing patterns and supporting strategic decision-making in laptop product marketing.Keywords: Data Mining, Naive Bayes Classifier, Prediction, Laptop Purchase, Classification.Abstrak: Perkembangan teknologi informasi yang semakin pesat mendorong peningkatan kebutuhan masyarakat terhadap perangkat komputer, khususnya laptop. Banyaknya variasi produk dan preferensi konsumen membuat pelaku bisnis perlu memahami pola pembelian agar dapat menentukan strategi pemasaran yang tepat. Penelitian ini bertujuan untuk menerapkan teknik data mining menggunakan algoritma Naive Bayes Classifier dalam memprediksi keputusan pembelian laptop berdasarkan data penjualan dan karakteristik konsumen. Metode Naive Bayes Classifier dipilih karena kemampuannya dalam melakukan klasifikasi dengan tingkat akurasi yang baik meskipun data bersifat heterogen dan memiliki jumlah atribut yang banyak. Data yang digunakan dalam penelitian ini meliputi atribut seperti harga, merek, spesifikasi, dan preferensi pembeli. Proses penelitian meliputi tahap pengumpulan data, pra-pemrosesan, perhitungan probabilitas setiap kelas, hingga evaluasi hasil menggunakan nilai akurasi dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes Classifier mampu memberikan prediksi yang cukup akurat terhadap perilaku pembelian laptop dengan tingkat akurasi yang mencapai nilai yang memuaskan. Temuan ini diharapkan dapat membantu pihak toko atau perusahaan dalam memahami pola pembelian pelanggan serta mendukung pengambilan keputusan strategis dalam pemasaran produk laptop.Kata Kunci : Data Mining, Naive Bayes Classifier, Prediksi, Pembelian Laptop, Klasifikasi.
Co-Authors Ade Clinton Sitepu Ade Clinton Sitepu Adelina, Mimi Chintya Al Ayyub, Muhammad Azwar Alfitra, Andra Amanda, Windi Winona Ammar Yasir Nasution Andi Zulherry Annas Prasetio Annas Prasetio Ardana, Abdul Aziz Arjuna Ginting ayadi, B. Herawan H B. Herawan Hayadi Darma, Ali Dedy Hartama Desi Irfan Desi Irfan Devy Pratiwi Dini Farhatun Doughlas Pardede Elisabeth S, Noprita Erica Rian Safitri Erlina Erlina Fajar Hardiansyah Gea, Muhammad Nasri Habib Satria Hanani Hutabarat, Jamina Harahap, Sarwedi Hartama, Dedy Hartono Hartono Hasibuan, Cici Cahyati Husin Sariangsah Ichsan Firmansyah Indra Mawanta Indra Swanto Ritonga Irfan Sudahri Damanik Ismail, Juni isnaini, fitri JAKA KUSUMA Juni Ismail Karina Andriani Khoirunsyah Dalimunthe Lili Tanti Lili Tanti Lili Tanti, Lili Lubis, Cindy Paramitha lvindra, Farhan A M yoggi saputra M. Ari Iskandar Maharani, Puan Margolang, Khairul Fadhli Masri Wahyuni Mhd Fauzan Yafi Miftahul Jannah Muhammad Fachrurrozi Nasution Muhammad Nasri Gea Muhammad Sadikin Muhammad Sayid Amir Ali Lubis Muhammad Zarlis Mutiara S. Simanjuntak Novendra Adisaputra Sinaga NURLIANA NURLIANA P.P.P.A.N.W. Fikrul Ilmi R.H. Zer Prasetya, Hardi Putri, Nazifa Rahma, Intan Dwi Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly Rika Rosnelly RIKA ROSNELLY Rika Rosnelly Rika Rosnelly, Rika Roesnelly, Rika Rohima, Rohima Roslina Roslina, Roslina Roslina, Roslina Safitri, Erica Rian Sartika Mandasari Selase, Septinur Sihombing, Rotua Simangunsong, Dame Lasmaria Sri Ayu Rosiva Srg Sugeng Riyadi Sugeng Riyadi Sumantri, Ekoliyono Wahyu Syahrizal Syahrizal T S Gunawan Tambunan, Fazli Nugraha Tammamah Lubis, Hartati Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Teddy Surya Gunawan Triana Puspa handayani Triwanda, Eri Vicky Rolanda Wardana, Revo Wulandari, Wulandari Yuni Franciska Br Tarigan Zakarias Situmorang Zer, P.P.P.A.N.W. Fikrul Ilmi R.H.