Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Jurnal Ilmiah KOMPUTASI Journal of Information Technology Ampera
Sadion Tumpal Damanik
Universitas Negeri Medan
Computer Science & IT Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Sistem Pendukung Keputusan untuk Pemilihan Senjata Paling Efektif pada Game Valorant Immanuel Tarigan; Haikal Farhan Ramadhan; Ridho Ardhana; Sadion Tumpal Damanik; Debi Yandra Niska
Jurnal Ilmiah Komputasi Vol. 22 No. 2 (2023): Jurnal Ilmiah Komputasi : Vol. 22 No 2, Juni 2023
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32409/jikstik.22.2.3371

Abstract

Sistem pendukung keputusan (SPK) adalah alat yang digunakan untuk membantu dalam pengambilan keputusan dengan mengumpulkan data, menganalisis informasi, dan memberikan rekomendasi. Dalam konteks game Valorant, SPK dapat digunakan untuk membantu pemain dalam memilih senjata yang paling efektif untuk digunakan dalam permainan. Beberapa permasalahan yang sering muncul dalam pemilihan senjata pada game adalah kurangnya pemahaman tentang senjata yang tersedia, kebiasaan menggunakan senjata tertentu tanpa mempertimbangkan situasi permainan, dan faktor psikologis seperti rasa percaya diri dan kecenderungan untuk mengikuti tren. Dengan adanya SPK untuk pemilihan senjata paling efektif pada game Valorant, diharapkan pemain dapat memperbaiki performa permainan mereka dan memberikan kontribusi yang lebih besar dalam tim.
Analisis Deteksi Tepi untuk Mengidentifikasi Jenis Mobil Sadion Tumpal Damanik; Ade Setiawan; Todo Simanjuntak; Asri Angel Tumanggor; Fanny Ramadhani
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 14, No 1 (2023): Juni
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v14i1.3082

Abstract

Penelitian ini membahas pengenalan pola menggunakan metode deteksi tepi Sobel dan Canny. Fokus utama penelitian ini adalah pada deteksi tepi objek dalam citra, yang penting dalam mengekstraksi ciri dan melakukan segmentasi citra. Metode deteksi tepi Sobel dan Canny terbukti efektif dalam pengenalan pola sebelumnya. Penelitian ini melibatkan pengumpulan data menggunakan metode Sobel, latihan dan pengujian model pengenalan pola, serta eksperimen untuk menentukan rasio data latih dan data uji yang optimal. Hasil percobaan menunjukkan bahwa metode deteksi tepi Sobel dengan jarak Euclidean dan nilai k optimal memberikan akurasi tinggi dalam pengenalan pola. Namun, penting juga mempertimbangkan penggunaan metode deteksi tepi Canny sebagai alternatif. Penelitian ini berkontribusi pada pengembangan metode pengenalan pola yang dapat diterapkan dalam pengenalan jenis mobil yang beragam dan terus berkembang.
Klasifikasi Tanaman Hias Menggunakan Algoritma Convolutional Neural Network Jeremia SP Sibarani; Sadion Tumpal Damanik; Rezeki Nurkhalizah; Sri Mulyana; Budiman Nasution
Journal of Information Technology Ampera Vol. 4 No. 3 (2023): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.v4i3.431

Abstract

anaman hias merupakan jenis tanaman yang dikenal karena keindahan dan daya tarik estetikanya. Terdapat berbagai jenis tanaman hias yang mudah ditemukan, namun, mengidentifikasi dan mengklasifikasikan tanaman hias seringkali sulit bagi kita, khususnya bagi pemula yang ingin terlibat dalam dunia bisnis tanaman hias. Untuk memudahkan pengenalan jenis-jenis tanaman hias, penelitian ini akan menggunakan algoritma Convolutional Neural Network (CNN) sebagai solusi. CNN telah terbukti efektif dalam pengolahan citra dan pengenalan objek, menjadikannya pilihan algoritma yang cocok untuk klasifikasi tanaman hias. Penelitian ini menggunakan 112 gambar Mawar Damask, 100 gambar Bunga Echeveria, 100 gambar Mirabilis Jalapa, 110 gambar Lily Hujan, dan 47 gambar Zinnia Elegans. Dalam proses pra-pengolahan, noise dihilangkan, kemudian dilakukan augmentasi gambar, membagi data menjadi dua, yaitu data latih dan data uji, lalu melatih model dan mengevaluasi model serta mendapatkan hasil akurasi. Hasil klasifikasi berhasil mencapai tingkat akurasi yang tinggi untuk beberapa label, tetapi ada label tertentu yang tidak dapat diidentifikasi. Skor F1 tertinggi ditemukan pada label "Mawar Damask" dengan nilai 1.00, sementara label "Mirabilis Jalapa" dan "Lily Hujan" memiliki nilai Presisi tertinggi yaitu 1.00. Namun, dalam pengukuran evaluasi, label "Zinnia Elegans" tidak menghasilkan nilai yang terukur sama sekali.
Co-Authors Ade Setiawan Asri Angel Tumanggor Budiman Nasution Haikal Farhan Ramadhan Immanuel Tarigan Jeremia SP Sibarani Niska, Debi Yandra Ramadhani, Fanny Rezeki Nurkhalizah Ridho Ardhana Sri Mulyana Todo Simanjuntak