Article Per Year (5 Year)
p-Index From 2021 - 2026
4.62
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Tecnoscienza INFOKUM Journal Zetroem Instal : Jurnal Komputer Jurnal Pengabdian Masyarakat IPTEK International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) Jurnal Minfo Polgan (JMP) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Sistim Informasi dan Teknologi Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Pengabdian dan Inovasi Masyarakat Prosiding Seminar Nasional Ilmu Komputer, Sosial Sains, Teknik Dan Multi-disiplin Ilmu Journal of Data Science and Informatics Engineering
Muhammad Irfan Sarif
Universitas Pembangunan Panca Budi
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : journal of science and social research

 1 
E-KEDE APPLICATION DEVELOPMENT IN INCREASING UMKM SALES BASED ON SDLC Zulfahmi Syahputra; Muhammad Irfan Sarif; Ristra Sandra Ritonga; Ayu Husniyyah
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 7 No. 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.2284

Abstract

E-Kedai merupakan aplikasi bisnis online yang ditujukan untuk pengembangan UMKM. Dalam bentuknya yang paling jelas, E-Kedai menjual produk ke konsumen secara online. Sederhananya, E-commerce menciptakan, mengelola, dan memperluas hubungan komersial secara online. Dalam proses jual beli UMKM masyarakat Desa Klambir V datang langsung dan melihat barang yang ada di toko hanya bisa memilih secara manual, sehingga beberapa kali pelanggan merasa kecewa karena barang yang diinginkan tidak ada padahal pelanggan sudah ada. sudah ada di toko. Sehingga diperlukan inovasi penjualan secara online atau disebut dengan E-Kedai agar pelanggan dapat memilih barang dan melihat stok barang secara online, selain itu peneliti membuat E-Kedai dengan harapan dapat meningkatkan penjualan dan cakupan pembeli agar dapat dilihat oleh seluruh klambir. komunitas V. Hasil penelitian berupa suatu sistem yang diterapkan pada perancangan aplikasi berbasis website yang efisien dalam menjual produk dan dapat memberikan kemudahan bagi pelanggan, serta meningkatkan efisiensi usaha bagi UMKM masyarakat Desa Klambir V.
OPTIMIZING PATIENT SERVICE PRIORITY DETERMINATION IN THE EMERGENCY DEPARTMENT USING THE K-MEANS ALGORITHM AT RSUD LANGSA ACEH Salwa Nur JB; Muhammad Irfan Sarif; Lola Astri Nadita; Fachrurazy; Lewika Tampubolon
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6232

Abstract

Abstract: Emergency Department (ED) services require speed, accuracy, and coordination among medical staff. Langsa Aceh Regional General Hospital, a Type B hospital, faces a high volume of patient visits that could lead to inefficiencies, particularly in determining service priorities. This study aims to optimize ED patient segmentation to support service prioritization using the K-Means clustering algorithm. The data used consists of 31,761 ED patient records from Langsa Regional General Hospital in 2025; after preprocessing, 24,062 records meeting the analysis criteria were obtained. Research variables included visit frequency, visit interval, type of service, duration of service, and patient urgency level. The research method employed a quantitative approach using data mining techniques with the K-Means algorithm. The results showed the formation of three clusters with a Silhouette Score of 0.6213, indicating good clustering quality. The resulting clusters represent the categories of non-urgent, semi-urgent, and complex care needs patients. These segmentation results can support more systematic service prioritization, improve efficiency, accelerate response times, and support a data-driven triage system at the Langsa Regional General Hospital Emergency Department in Aceh. Keywords: K-Means Clustering, Medical Informatics, Patient Care Prioritization, Patient Segmentation, Healthcare Data Mining   Abstrak: Pelayanan pada Instalasi Gawat Darurat (IGD) menuntut kecepatan, ketepatan, dan koordinasi antar tenaga medis. RSUD Langsa Aceh sebagai rumah sakit tipe B menghadapi tingginya jumlah kunjungan pasien yang berpotensi menimbulkan ketidakefisienan, khususnya dalam penentuan prioritas pelayanan. Penelitian ini bertujuan mengoptimalkan segmentasi pasien IGD untuk mendukung penentuan prioritas pelayanan menggunakan algoritma K-Means clustering. Data yang digunakan merupakan data pasien IGD RSUD Langsa tahun 2025 sebanyak 31.761 record, dan setelah preprocessing diperoleh 24.062 data yang memenuhi kriteria analisis. Variabel penelitian meliputi frekuensi kunjungan, interval kunjungan, jenis layanan, durasi pelayanan, dan tingkat urgensi pasien. Metode penelitian menggunakan pendekatan kuantitatif melalui teknik data mining dengan algoritma K-Means. Hasil penelitian menunjukkan terbentuk tiga cluster dengan nilai Silhouette Score sebesar 0,6213 yang mengindikasikan kualitas pengelompokan baik. Cluster yang dihasilkan merepresentasikan kategori pasien non-urgensi, semi-urgensi, dan kebutuhan pelayanan kompleks. Hasil segmentasi ini dapat mendukung penentuan prioritas pelayanan secara lebih sistematis, meningkatkan efisiensi, mempercepat waktu respon, serta mendukung sistem triase berbasis data di IGD RSUD Langsa Aceh. Kata Kunci: K-Means Clustering, Informatika Medis, Prioritas Pelayanan Pasien, Segmentasi Pasien, Data Mining Kesehatan
KLASIFIKASI SENTIMEN REVIEW PENGGUNA APLIKASI KHAN ACADEMY DI PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Abdul Razaq; Josua M.H Simaremare; Fajar Aulia Lubis; Muhammad Irfan Sarif; Zulham Sitorus
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6342

Abstract

Abstract: The application was developed to provide digital learning services and educational information to users. This application is designed to facilitate students, teachers, and the general public in accessing various educational materials online. The application can be downloaded through the Google Play Store platform. On this platform, users are able to submit reviews regarding the application, which can serve as valuable feedback for developers in improving the application’s performance and features. This study aims to conduct sentiment analysis on user reviews of the application using a sentiment analysis approach. In this research, the method employed is the Naive Bayes algorithm, a probability-based classification technique that is widely used in sentiment analysis studies. The distribution of sentiment classification results indicates a dominance of positive sentiment at 85%, suggesting that the majority of users are satisfied with the services provided by the application. Neutral sentiment accounts for 6.5%, while negative sentiment represents 7.5%, indicating that there are still several complaints expressed by users. Overall, these findings demonstrate that the application has a good level of user acceptance, although continuous improvements are still necessary.  Keywords: Sentiment Classification; Naive Bayes; Khan Academy Application; Google Play Store   Abstrak: Aplikasi Khan Academy merupakan aplikasi yang dikembangkan untuk menyediakan layanan dan informasi pembelajaran secara digital kepada pengguna. Aplikasi ini dirancang untuk memudahkan siswa, guru, dan masyarakat umum dalam mengakses berbagai materi pendidikan secara online. Aplikasi Khan Academy dapat diunduh melalui Play Store. Pada platform tersebut, pengguna dapat memberikan ulasan terhadap aplikasi Khan Academy sehingga dapat dijadikan sebagai referensi bagi pengembang dalam melakukan perbaikan aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Khan Academy menggunakan pendekatan analisis sentimen. Dalam penelitian ini, metode yang digunakan adalah Naive Bayes, yaitu teknik klasifikasi berbasis probabilitas yang umum digunakan dalam analisis sentimen. Distribusi sentimen hasil klasifikasi menunjukkan dominasi sentimen positif sebesar 85%, yang menandakan bahwa sebagian besar pengguna merasa puas terhadap layanan aplikasi Khan Academy. Sentimen netral tercatat sebesar 6,5%, sedangkan sentimen negatif sebesar 7,5%, yang menunjukkan masih adanya sejumlah keluhan pengguna. Secara keseluruhan, hasil ini mengindikasikan bahwa aplikasi Khan Academy memiliki tingkat penerimaan yang baik, meskipun tetap memerlukan perbaikan berkelanjutan. Kata Kunci: Klasifikasi Sentimen; Naive Bayes; Khan Academy; Playstore
Co-Authors , Eka Putra Abdul Chaidir Harahap Abdul Razaq Ade Guna Suteja Ade Iskandar Afif Asri Ahmad Dzaky Rahmatullah Ahmad Helmy Aldy Agustian Amin, Muhammad Aminuddin Indra Permana Aradi Sebayang Arip Muhridan Ayu Husniyyah Chairul Rizal Darmeli Nasution Dedy Rahman Harahap Deni Apriadi Dhimas Prayogi Dicky Apriandi Dwika Ardya Edo Edo Eisyaniah Desvazulinda Eko Hariyanto Eko Wahyudi Fachrurazy Fajar Aulia Lubis Fauzan Nurahmadi Febri Yalda Sulistia Feby Wulandari Sembiring Hanna Willa Dhany Heri Kurniawan Indra Marto Silaban Irfan Abadi Saragih Jelly Rolleys Sitompul Josua M.H Simaremare Karina Nurfebia Khairul Lamsihar Banjarnahor Larasati Rince Pratita Ritonga Lewika Tampubolon Lola Astri Nadita M Khori Pratama Maulisa Syahputri Mhd Ihsan Abidi Muhammad Azuan Muhammad Fuad Hafiz Muhammad Iqbal Muhammad Putra Novelan Muhammad Syahputra Novelan Munadi Munadi Nainggolan, Pauzi Ibrahim Nurbeti Sinulingga Nuzul Aini Ramadhani Perianus Lombu Rahayu Mayang Sari Ramlan Marbun Ramli S. Siburian Rian Farta Wijaya Rido Favorit Saronitehe Waruwu Ristra Sandra Ritonga Rizky Putro Nugroho Dwi Cahyo Rizky Vita Losi Robet H Silaban Rudi Hermawan Salwa Nur JB Samuel Sampe Tuah Purba Septia Harliansyah Sitorus, Zulham Sukrianto Sukrianto Supiyandi Supiyandi Sutan Putra Nauli Harahap Syaiful Rahman Lubis T. Henny Febriana Harumy Tengku Didi Ferdillah Toni Prabowo Yoga Fitriana Yohannes France Limbong Zulfahmi Syahputra