Article Per Year (5 Year)
p-Index From 2021 - 2026
1.151
P-Index
This Author published in this journals
All Journal Journal Zetroem Kapas: Kumpulan Artikel Pengabdian Masyarakat Jurnal Rekayasa Sistem Informasi dan Teknologi Informasi interaktif : jurnal informatika dan teknologi informasi
Redo Abeputra Sihombing
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Pemanfaatan Aplikasi Buku Kas dalam Pengelolaan Keuangan pada Dasawisma RT 10 RW 02 Tj.Barat Redo Abeputra Sihombing; Fauzan Natsir; Ni Ketut Pertiwi Anggraeni
Kapas: Kumpulan Artikel Pengabdian Masyarakat Vol 1, No 2 (2022)
Publisher : Universitas Indraprasta PGRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (318.495 KB) | DOI: 10.30998/ks.v1i2.1264

Abstract

Banyak aplikasi yang menyediakan kemudahan bagi pelaku usaha untuk meyusun laporan keuangan. Pencatatan secara digital saat ini sudah mulai menggantikan pencatatan secara manual. Kemudahan dan kesederhaan dalam pemakaiannya sangat membantu pelaku usaha untuk menyusun laporan keuangan dan menghindari terjadinya kesalahan pencatatan. Kegiatan ini bertujuan untuk mengenalkan aplikasi pengelolaan keuangan kepada masyarakat. Penerapan aplikasi dalam mengelola keuangan keluarga dianggap masih sangat rumit dan kurang bermanfaat dibandingkan dengan catatan keuangan keluarga bersifat manual. Tidak memahami cara mengelola keuangan menjadi salah satu sumber masalah yang paling besar pada keluarga. Dimana secara umum pendapatan dan pengeluaran di dalam keluarga yang jumlahnya besar saja yang diingat tetapi tidak tercatat. Mengelola keuangan keluarga merupakan hal penting agar pendapatan dan pengeluaran dapat seimbang sesuai dengan yang diinginkan. Dengan adanya aplikasi catatan keuangan Buku Kas harian, di dalam sebuah keluarga diharapkan dapat membantu dalam mengelola keuangan sehingga dapat tercatat secara detail.
Pengelompokan Persediaan Obat Dengan Metode K-Means Clustering Pada Klinik Bhakti Asih Lukas Arif Prasetyo; Imam Himawan; Redo Abeputra Sihombing
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 2 No. 2 (2024): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v2i2.1445

Abstract

Pengelolaan persediaan obat yang efektif merupakan aspek krusial dalam operasional sebuah klinik kesehatan. Tujuan dari penelitian ini mengoptimalkan pengelolaan persediaan obat di Klinik Bhakti Asih Tangerang dengan mengimplementasikan metode K-Means Clustering. K-means merupakan algoritma yang bersifat pembelajaran tanpa pengawasan serta memiliki fungsi pengelompokkan data dalam data cluster. Data yang dianalisis mencakup 10 jenis obat dengan variabel jumlah stok, frekuensi pemakaian, dan nilai investasi selama periode Januari-Desember 2023. Proses clustering dilakukan menggunakan algoritma K-Means dengan penentuan jumlah cluster optimal melalui metode elbow, yang menghasilkan 3 cluster ideal. Hasil penelitian menunjukkan bahwa Cluster 1 terdiri dari 3 jenis obat dengan karakteristik stok tinggi dan frekuensi pemakaian tinggi (fast-moving), Cluster 2 mencakup 4 jenis obat dengan stok sedang dan frekuensi pemakaian moderat (moderate-moving), dan Cluster 3 meliputi 3 jenis obat dengan stok rendah dan frekuensi pemakaian rendah (slow-moving). Pengelompokan ini membantu manajemen klinik dalam mengoptimalkan kebijakan pengadaan dan penyimpanan obat sesuai karakteristik masing-masing cluster, sehingga dapat meningkatkan efisiensi pengelolaan persediaan dan meminimalisir risiko stockout maupun overstock. Implementasi metode clustering ini terbukti efektif dalam mendukung pengambilan keputusan strategis terkait manajemen persediaan obat di Klinik Bhakti Asih Tangerang.
SISTEM PENDUKUNG KEPUTUSAN UNTUK REKOMENDASI PENENTUAN PENERIMA BEASISWA MENGGUNAKAN PENDEKATAN SAW Fauzan Natsir; Triyadi; Redo Abeputra Sihombing
Informasi Interaktif : Jurnal Informatika dan Teknologi Informasi Vol 8 No 2 (2023): JII Volume 8, Number 2, Mei 2023
Publisher : Program Studi Informatika Fakultas Teknik Universitas Janabadra

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37159/jii.v8i2.24

Abstract

Pendidikan memiliki peran yang sangat penting dalam kehidupan masyarakat,tetapi biaya akan pendidikan yang besar menjadi kendala bagi banyak orang untuk dapat melanjutkan pendidikan. Pemerintah memberikan bantuan pendidikan melalui bantuan beasiswa belajar satu siswa. Dalam menentukan penerimaan beasiswa, banyak sekali kriteria-kriteria yang harus dimiliki oleh individu sebagai syarat dalam mendapatkan beasiswa. Masing-masing sekolah pasti memiliki kriteria-kriteria untuk menentukan siapa yang akan terpilih untuk menerima beasiswa. Pembagian beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang mampu ataupun berprestasi selama menempuh studinya. Untuk membantu penentuan dalam menetapkan seseorang yang layak menerima beasiswa maka dibutuhkan sebuah sistem pendukung keputusan. Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternatif terbaik bedasarkan kriteriakriteria yang telah ditentukan dengan menggunakan metode SAW (Simple Additive Weighting). Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses perankingan yang akan menentukan alternatif yang optimal, yaitu siswa terbaik.
SISTEM PAKAR MENGIDENTIFIKASIKERUSAKAN MOTOR HONDA BEATDENGAN METODE CERTAINTY FACTORPADA BENGKEL RONI MOTOR Lukas Arief Prasetyo; Imam Himawan; Redo Abeputra Sihombing
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 3 No. 2 (2025): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v3i2.3188

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pakar diagnosis kerusakan motor Honda Beat berbasis web menggunakan metode Certainty Factor sebagai solusi untuk membantu pengguna dalam mengidentifikasi kerusakan secara cepat dan akurat. Metode penelitian yang digunakan adalah Research and Development dengan model pengembangan sistem Waterfall, meliputi analisis kebutuhan, desain basis pengetahuan, implementasi sistem, serta pengujian akurasi dan fungsionalitas. Hasil penelitian menunjukkan bahwa sistem pakar yang dibangun mampu mendiagnosis empat belas jenis kerusakan dengan akurasi sebesar 86,67% berdasarkan pengujian terhadap tiga puluh kasus nyata, serta seluruh fitur sistem berhasil berjalan 100% sesuai spesifikasi melalui pengujian black box. Simpulan dari penelitian ini adalah bahwa sistem pakar berbasis Certainty Factor efektif dalam menangani ketidakpastian gejala, memberikan tingkat kepastian diagnosis yang jelas, dan mampu meningkatkan efisiensi proses diagnosis di bengkel maupun bagi pengguna awam.  
Smart Attendance System: AI Technology for Digital Attendance Using Computer Vision Technology Natsir, Fauzan; Redo Abeputra Sihombing; Triana Dewi Salma; Millati Izzatillah; Ega Shela Marsiani; Farhan Maulana Arramsy; Anuj Kumar
ZETROEM Vol 8 No 1 (2026): ZETROEM
Publisher : Prodi Teknik Elektro Universitas PGRI Banyuwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36526/ztr.v8i1.7569

Abstract

Employee attendance is a crucial aspect of human resource management, particularly in maintaining discipline and ensuring the operational effectiveness of a company. PT KAMM currently uses a fingerprint-based attendance system which, although effective, often encounters issues such as sensor sensitivity to finger conditions, potential device damage caused by continuous physical contact, and employee inconvenience. This research aims to develop a face recognition-based attendance system as a more efficient and hygienic alternative. The dataset comprises 1,400 facial images from 20 PT KAMM employees (20 classes), split into 80% training, 10% validation, and 10% testing data. The method applied combines the Haar Cascade algorithm for face detection and a Convolutional Neural Network (CNN) for face recognition. The CNN architecture consists of four convolutional layers with 32 to 256 filters, ReLU activation, max pooling, flatten, a 512-neuron fully connected layer, dropout of 0.5, and softmax classification. The model was trained for 50 epochs using the Adam optimizer with a learning rate of 0.001 and batch size of 32. Evaluation was conducted using accuracy, precision, recall, and F1-score metrics. Results show the system achieved an accuracy of 95.71%, precision of 95.80%, recall of 95.60%, and an F1-score of 95.70%, with an average inference time of 0.12 seconds/frame in real-time. However, the system has limitations: accuracy drops by up to 12% under extreme lighting conditions and when employees wear masks. This study is expected to serve as a reference for other companies seeking to adopt similar face recognition technology for contactless attendance management systems.
Co-Authors Anuj Kumar ega shela marsiani Farhan Maulana Arramsy Fauzan Natsir Imam Himawan Lukas Arief Prasetyo Lukas Arif Prasetyo Millati Izzatillah Ni Ketut Pertiwi Anggraeni Triana Dewi Salma Triyadi