Article Per Year (5 Year)
p-Index From 2021 - 2026
3.885
P-Index
This Author published in this journals
All Journal Bulletin of Electrical Engineering and Informatics Jurnal Teknologi Informasi dan Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP) Jusikom: Jurnal Sistem Informasi Ilmu Komputer Journal of Computer Networks, Architecture and High Performance Computing Yayasan Cita Cendikiawan Al Khwarizmi Data Sciences Indonesia (DSI)
Mawaddah Harahap, Mawaddah
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry 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 Transportation Veterinary Other

Published : 33 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 33 Documents
Search

 1   2   3   4 
Basic Pemrograman Multi Platform dan Penerapan Inovasi Berbasis Teknologi Zizwan Putra, Adya; Simarmata, Allwin; Husein, Amir; Harahap, Mawaddah
Dedikasi Sains dan Teknologi (DST) Vol. 4 No. 1 (2024): Artikel Periode Mei 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v4i1.4016

Abstract

Pengembangan aplikasi lintas platform dan penerapan inovasi berbasis teknologi telah menjadi prioritas utama dalam industri perangkat lunak, khususnya seiring dengan peningkatan penggunaan perangkat seluler. Perubahan paradigma dalam pengembangan aplikasi, dari pembuatan versi terpisah untuk setiap sistem operasi menjadi pendekatan penulisan kode sekali dan menerapkannya di berbagai platform menggunakan teknologi seperti React Native, Xamarin, dan Flutter, telah mempercepat proses pengembangan, mengurangi biaya, dan memperluas jangkauan pasar. Meskipun demikian, tantangan dalam hal desain antarmuka pengguna, akses ke fungsionalitas asli, dan optimalisasi kinerja tetap menjadi fokus utama. Sebuah pelatihan telah diadakan pada tanggal 16 April 2024 di Menara Mandiri Medan, yang bertujuan untuk membahas berbagai aspek pengembangan aplikasi multi-platform. Melibatkan para ahli sebagai pembicara, pelatihan ini memberikan wawasan mendalam kepada peserta tentang teknologi terbaru dan praktik terbaik dalam pemrograman multi-platform. Hasilnya, pengetahuan pegawai tentang tren terkini dalam industri perangkat lunak meningkat secara signifikan. Mereka juga dilatih untuk menghadapi disrupsi digital, dengan fokus pada identifikasi peluang dan tantangan yang muncul dari perubahan teknologi. Selain peningkatan pengetahuan, pelatihan ini juga memberikan kemampuan kepada peserta untuk menghasilkan solusi inovatif yang dapat meningkatkan kesejahteraan masyarakat. Dengan demikian, pengembangan aplikasi lintas platform dan penerapan inovasi berbasis teknologi menjadi kunci dalam menjawab tantangan dan tuntutan zaman yang terus berkembang di era digital saat ini.
Prediksi Kualitas Kopi Dengan Algoritma Random Forest Melalui Pendekatan Data Science Ciptady, Kalvintirta; Harahap, Mawaddah; Jonvin, Jonvin; Ndruru, Yonata; Ibadurrahman, Ibadurrahman
Data Sciences Indonesia (DSI) Vol. 2 No. 1 (2022): Article Research Volume 2 Issue 1 Juni Tahun 2022
Publisher : ITScience (Information Technology and Science)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (856.686 KB) | DOI: 10.47709/dsi.v2i1.1708

Abstract

Perusahaan yang bergerak dibidang produksi kopi, selalu mementingkan kualitas kopi untuk menghasilkan produk yang dapat bersaing dengan kompetitor lainnya . Adapun sistem yang dapat dibangun untuk mengatasi permasalahan tersebut yaitu berupa prediksi dalam menentukan kualitas kopi. Data kopi yang digunakan pada penelitian ini didapatkan dari Coffee Quality Institute. Data ini memiliki 44 kolom atau variabel dengan jumlah data sebanyak 1339 data. Tahapan yang dilakukan dengan pendekatan data science dengan algoritma random forest terdiri dari proses pengumpulan data, preprocessing, pengumpulan data, split data, pemrosesan dengan algoritma Random Forest yang menghasilkan hasil prediksi, hingga yang terakhir adalah proses evaluasi performa algoritma Random Forest dalam memprediksi kualitas kopi. Variabel dependen yang diprediksi pada penelitian ini secara berurutan dari kualitas terbaik hingga terburuk antara lain adalah kualitas kopi Specialty Grade, Premium, Exchange, dan Below Standard. Kualitas kopi premium adalah hasil prediksi paling baik dengan hasil actual 135. Jumlah data yang cukup untuk memastikan algoritma random forest dapat memprediksi dengan cukup baik dengan akurasi yang mencapai 79% masih memiliki ruang untuk perkembangan sehingga bisa mendekati 100%. Kurang optimalnya nilai akurasi pada penelitian ini dapat diakibatkan oleh kurangnya variabel independen yang digunakan. Penelitian ini hanya menggunakan 8 variabel dari 43 variabel yang tersedia. Sehingga masih terdapat variabel yang berpotensi dapat meningkatkan akurasi. Tidak dilakukannya penyetelan parameter Random Forest yang tersedia untuk meningkatkan akurasi.
Kombinasi Jaringan Learning Vector Quantization Dan Normalized Cross Correlation Pada Pengenalan Wajah Saleh, Amir; Indra, Evta; Harahap, Mawaddah
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2020): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34012/jusikom.v3i2.851

Abstract

Pengenalan wajah merupakan cara yang dilakukan untuk mengidentifikasi wajah berdasarkan nilai ciri yang terdapat pada citra wajah dan dapat diterapkan di dalam berbagai sistem, seperti absensi, akses keamanan ruangan dan login aplikasi atau perangkat. Salah satu algoritma untuk pengenalan wajah adalah LVQ (learning vector quantization), tetapi dalam pemilihan bobot awal yang kurang tepat dapat berdampak pada penurunan kinerja algoritma tersebut, sehingga hasil dari pengenalan wajah kurang akurat. Permasalahan ini dapat diselesaikan dengan penentuan bobot awal yang tepat dengan metode tertentu. Bobot yang dipilih pada penelitian ini berdasarkan kemiripan citra, salah satu metode untuk mengukur kemiripan adalah NCC (Normalized Cross Correlation). Penelitian ini akan dilakukan dengan mengkombinasi jaringan LVQ dengan menggunakan NCC dalam penentuan bobot awal untuk pengenalan wajah. Hasil pengujian yang diperoleh dengan kombinasi kedua metode tersebut untuk pengenalan wajah sebesar 94%.
Digital Image Copyright Protection with Spatial Domain Public Image Watermarking Scheme Harahap, Mawaddah; Malau, Johannes Rianto; Simangungsong, Tentus Natoka; Winata, Davin; Hadyanto, David
Journal of Computer Networks, Architecture and High Performance Computing Vol. 4 No. 1 (2022): Article Research Volume 4 Number 1, Januay 2022
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v4i1.1335

Abstract

The resulting digital image certainly has the copyright attached to the image. There needs to be protection of digital image works because the form of storage of digital imagery works that are vulnerable to piracy, claims of unauthorized authorities, illegal duplication, or unauthorized modification. The Spatial Domain Public Image Watermarking method is used to protect digital imagery using applications designed to facilitate the watermarking process on several different digital images as well as with different image formats. The reason for using this method is because it has low complexity. In this study, it consisted of three processes carried out, namely the process of making watermarking, the process of checking watermarking and comparison of input imagery and image results. In the process of making watermarking do image input as a watermarking media, input inserted imagery in the form of binary images / text, key inputs and watermark results. In process of checking watermarking performs image input that becomes watermark media, watermark results input, key input, and checking results. The process of creating watermarking takes a relatively short time while the process of extracting watermarking processing time depends on the size of the image file. From some image testing conducted using imagery with three formats, namely: JPG with an average time accuracy of 9:5,310(42.15%), .GIFs with an average time of 8:27.207(21.63%), and. BMP has an average time accuracy of 5:2.989(36.22%). Thus, the determination of the image format used is adjusted to the original image, so that it can perform time efficiency.
Pendekatan Data Science untuk Menemukan Churn Pelanggan pada Sector Perbankan dengan Machine Learning Husein, Amir Mahmud; Harahap, Mawaddah; Fernandito, Peter
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1169

Abstract

Peralihan pelanggan merupakan fenomena dimana pelanggan perusahaan berhenti membeli atau berinteraksi sehingga sangat penting bagi perusahaan khususnya perbankan untuk memprediksi kemungkinan churn pelanggan dan hasilnya dapat digunakan untuk membantu retensi pelanggan dan bagian dari strategi perusahaan. Makalah ini menyajikan analisis dan prediksi churn pelanggan dengan menggunakan lima model berbeda yaitu Kneighbors Classifier, Logistic Regression, Linear SVC, Random Tree Classifier dan Random Forest Classifier. Berdasarkan hasil pengujian pendekatan model Random Forest Classifier dan Kneighbors Classifier lebih baik dari pada model lain dengan akurasi sebesar 86% dan 84%. Rekayasa fitur dengan pendekatan Anova dan Chi Square memiliki pengaruh yang signifikan terhadap peningkatan kinerja model prediksi.
Analisis Wawasan Penjualan Supermarket dengan Data Science Harahap, Mawaddah; Rozi, Fachrul; Yennimar, Yennimar; Siregar, Saut Dohot
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1173

Abstract

Data science atau ilmu data adalah suatu disiplin ilmu yang khusus mempelajari data, khususnya data kuantitatif (data numerik), baik yang terstruktur maupun tidak terstruktur. Pemanfaatkan siklus dalam pengembangan analisis untuk membuat keputusan bisnis yang praktis dan berbasis data, dan menerapkan perubahan berdasarkan keputusan tersebut. Makalah ini menyajikan analisis wawasan yang berguna pada kumpulan transaksi penjualan supermarket selama 3 bulan dari 3 cabang yang berbeda. Berdasarkan hasil analisis nilai rating terting adalah 10, terendah 4 dengan rata-rata rating produk 6.9 dan wanita lebih dominan membeli produk Aksesoris Fashion dan pria Kesehatan & Kecantikan
Data Science bidang Pemasaran : Analisis Prilaku Pelanggan Harahap, Mawaddah; Lubis, Yusniar; Situmorang, Zakarias
Data Sciences Indonesia (DSI) Vol. 1 No. 1 (2021): Article Research Volume 1 Issue 1, June 2021
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v1i1.1194

Abstract

Dalam kegiatan pemasaran digital, data Science (DS) memiliki peran penting dalam memahami kinerja industri pemasaran sebelum menerapkan teknik pemasaran digital pada pemasaran produk. Hal ini dikarenakan setiap pelanggan merespons secara berbeda setiap penawaran. Perilaku pelanggan juga berubah berdasarkan waktu karena mereka mungkin memiliki kebutuhan yang berbeda pada situasi yang berbeda. Pada makalah ini fokus menyajikan analisis bisnis dengan penerapan DS untuk mengeksplorasi pola perilaku dan juga memprediksi bagaimana pelanggan akan merespons penawaran yang berbeda. Penerapan analisis data eksplorasi juga diterapkan untuk menjawab beberapa pertanyaan bisnis, dari hasil pengamatan menghasilkan lima kelompok pelanggan yang disajikan dalam bentuk visualisasi dan model Random Forest Classifier memiliki skor akurasi prediksi terbaik sebesar 91%, kemudian K neighbors Classifier dan Logistic Regression.
Perbandingan Kinerja Algoritma Random Florest Classifier Dan Lightgbm Classifier Untuk Prediksi Penyakit Jantung Duran, Filbert; Wijaya, Frederico; Hulu, Yakin Rianto; Harahap, Mawaddah; Prabowo, Agung
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.3831

Abstract

Penyakit jantung merupakan masalah kesehatan serius yang dapat dicegah dan diobati. Dengan menjaga gaya hidup sehat, melakukan pemeriksaan kesehatan secara rutin, dan mengikuti anjuran dokter[1], risiko penyakit jantung dapat dikurangi. Random Forest Classifier (RFC) bagaikan hutan pohon keputusan yang bekerja sama untuk menghasilkan prediksi yang lebih jitu. Algoritma ini tergolong handal dan fleksibel, mampu menangani berbagai tugas klasifikasi dan regresi. Kelebihannya, RFC menawarkan akurasi tinggi, tahan terhadap overfitting, dan mudah diinterpretasikan[2]. RFC adalah algoritma machine learning yang kuat dengan banyak keunggulan, namun perlu dipertimbangkan pula keterbatasannya dalam hal komputasi dan fleksibilitas[3]. LightGBM merupakan algoritma machine learning yang kuat dan efisien untuk klasifikasi dan regresi. Kecepatan, akurasi, dan kemudahan penggunaannya menjadikannya pilihan yang menarik untuk berbagai aplikasi[4]. Dari hasil yang didapat dari penelitian ini adalah metode RFC dan LightGBM dapat disimpulkan bahwa metode RFC merupakan metode yang tergolong efektif dalam analisis penyakit jantung dengan akurasi prediksi dari model adalah 95,37%., dapat dikatakan bahwa metode Random Florest Classifier cocok untuk melakukan analisis penyakit jantung bedasarkan dataset yang ada.
Klasifikasi Buah Guava Menggunakan Computer Vision Zizwan Putra, Adya; Harahap, Mawaddah; Mahmud Husein, Amir; Simarmata, Allwin
Data Sciences Indonesia (DSI) Vol. 3 No. 2 (2023): Article Research Volume 3 Issue 2, December 2023
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v3i2.4006

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi buah guava menggunakan teknologi computer vision. Klasifikasi buah guava yang akurat dan otomatis dapat membantu dalam proses identifikasi buah guava yang baik kualitasnya dan dapat digunakan dalam industri pertanian, perdagangan buah-buahan, serta penelitian lanjutan. Metode yang digunakan dalam penelitian ini melibatkan beberapa langkah. Pertama, dilakukan pengumpulan data citra buah guava yang meliputi variasi jenis guava yang berbeda serta berbagai kondisi pencahayaan dan latar belakang. Data citra tersebut kemudian diolah dan dipreproses untuk mengurangi derau dan meningkatkan kualitas citra. Setelah proses ekstraksi fitur selesai, dilakukan pelatihan model klasifikasi menggunakan data citra buah guava yang telah diklasifikasikan secara manual oleh ahli. Model klasifikasi yang terlatih kemudian diuji menggunakan data citra buah guava yang belum pernah dilihat sebelumnya untuk mengukur tingkat akurasi dan performa sistem. Hasil penelitian ini diharapkan dapat menghasilkan sistem klasifikasi buah guava yang akurat dan dapat diandalkan. Dengan menggunakan teknologi computer vision, proses identifikasi buah guava dapat dilakukan secara cepat dan otomatis. Keberhasilan penelitian ini dapat memberikan kontribusi dalam meningkatkan efisiensi industri pertanian dan perdagangan buah-buahan, serta memberikan landasan bagi penelitian lebih lanjut dalam bidang pengolahan citra dan pengenalan pola.
Analisis Tren dan Perkiraan Pandemi COVID-19 di Indonesia Menggunakan Peramalan Metode Prophet :Sebelum dan Sesudah Aturan New Normal Harahap, Mawaddah; Andika, Ahmad Zaki; Husein, Amir Mahmud; Dharma, Abdi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 9 No 1: Februari 2022
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2022914060

Abstract

Dalam menanggulangi penyebaran pandemi Covid-19 di Indonesia, pemerintah telah menetapkan PSBB dan aturan Normal Baru namun laju penyebaran pandemi terus meningkat dari waktu ke waktu. Selain itu, ketidakpastian akan berakhirnya pandemi ini berdampak pada perubahan kondisi sosial. Makalah ini bertujuan untuk memfasilitasi perbandingan antara PSBB dan regulasi New Normal tentang perkembangan jumlah kasus Covid-19 di Indonesia dengan memetakan jumlah kumulatif kasus (kasus aktif, sembuh, dikonfirmasi dan meninggal). Metode Prophet digunakan untuk memprediksi kasus kematian dan terkonfirmasi dalam 30 hari ke depan. Analisis data visual dengan pendekatan Exploratory Data Analysis (EDA) disajikan untuk memberikan pemahaman tentang perkembangan penyebaran pandemi di Indonesia. Pengujian kerangka analisis dilakukan dengan eksperimen untuk mengukur tingkat ketepatan prediksi metode Prophet dengan membagi kumpulan data historis periode 23 Maret 2020 - 31 Juli 2020, sedangkan data bulan terakhir dari kumpulan data periode 01 Agustus 2020 hingga 5 September 2020 digunakan sebagai target prediksi. Berdasarkan hasil pengujian metode Prophet memprediksi Indonesia akan mengalami peningkatan jumlah kasus terkonfirmasi sekitar 238.322 kasus dan kematian sekitar 9.609 hingga akhir September dengan tingkat kesalahan relatif dari estimasi yang dievaluasi dengan MAPE sekitar 23,9%. dan MAE sekitar 73,12 MAE. Hasil analisis visual penyebaran suatu pandemi juga disajikan dengan harapan dapat bermanfaat sebagai wawasan perkembangan jumlah kasus pandemi di Indonesia. Abstract In countering the spread of the Covid-19 pandemic in Indonesia, the government has set PSBB and New Normal rules but the rate of spread of the pandemic continues to increase from time to time. In addition, the uncertainty about the end of this pandemic has resulted in changing social conditions. This paper aims to facilitate a comparison between the PSBB and New Normal regulations on the development of the number of Covid-19 cases in Indonesia by mapping the cumulative number of cases (active, cured, confirmed and death cases). The Prophet method is used to predict confirmed cases and deaths within the next 30 days. Visual data analysis using the Exploratory Data Analysis (EDA) approach is presented to provide an understanding of the development of the pandemic spread in Indonesia. The testing analysis framework was carried out by experiments to measure the level of prediction accuracy of the prophet method by dividing the historical data set for the period 23 March 2020 - 31 July 2020, while the last month data from the data set for the period 01 August 2020 to 5 September 2020 were used as prediction targets. Based on the results of the Prophet method testing it is estimated that Indonesia will experience an increase in the number of confirmed cases around 238,322 and cases of death around 9,609 until the end of September with the relative error rate of estimates evaluated with MAPE around 23.9% and MAE around 73.12 MAE. The results of a visual analysis of the spread of a pandemic are also presented in the hope that they will be useful as an insight into the development of the number of pandemic cases in Indonesia.
Co-Authors Abdi Dharma Achmad Nurhadi Agung Prabowo Agung Prabowo Amir Husein Amir Mahmud Husein, Amir Mahmud Amir Saleh Andika, Ahmad Zaki Andro Eriel Tambun Angelina, Valencia Barti, Surya Batu Bara , Yacobus M.T. Celvin Chuanta, Roy Vidia Ciptady, Kalvintirta Damanik, Jansen Liharma Donpril, Meleyaki Duran, Filbert Evander, Oscar Fernandito, Peter Ginting, Deskianta Ginting, Kenjiro Christian Hadyanto, David Hendra Sihombing Hidayati, Namira Hulu, Yakin Rianto Husein , Amir Mahmud Hutagalung, Delano Ariesagita Ibadurrahman Ibadurrahman Indra, Evta Jefferson, Jefferson Jonvin, Jonvin Juliani, Fenny Kinoto, Jovan Kusuma, Leonardo Kuswulandari, Sri Kwok, Shane Christian Leonardi, Jocelyn Lubis, Abdul Rahman Mahmud Husein, Amir Malau, Johannes Rianto Marcel, Rico Milatrisna, Dwi Yunita Nababan, Siska Yanti Ndruru, Yonata Ong, Derrick Kenji Panjaitan, Sumiati Pasaribu, Alfeus P. S. Pasaribu, Samuel Henock Hasangapon Pratama, Ari Rizki Purba, Juniven Francisco Purba, Windania Putra, Adya Putra, Adya Zizwan Rozi, Fachrul Samosir, Suprianto Samuel Samuel Sembiring, Giovan Sihombing, Josua Parulian Sihombing, Juniati Silitonga, Benny Art Simangungsong, Tentus Natoka Simarmata, Allwin Sinaga, Dedy Ridoly Sipangkar, Romulus Siregar, Josua Siregar, Saut Dohot Siregar, Wali Siti Aisyah Situmeang, Candra Ebenezer Situmorang, Erwin Tri Saputra Suryani, Melva Syahmir Defha Tambunan, Enjelyna Turnip, Christi Andika waruwu , Februari Kurnia Wijaya, Adrian Christian Wijaya, Frederico William William Winata, Davin Wizley, Vincent Yennimar, Yennimar Yusniar Lubis Zakarias Situmorang Zizwan Putra, Adya