Claim Missing Document
Check
Articles

Found 4 Documents
Search

Jaringan Saraf Tiruan Memprediksi Tingkat Penjualan Smartphone Di Wijaya Cell Pematangsiantar Menggunakan Metode Backpropagation Syahrial Azmi Pohan; M. Safii; Sundari Retno Andani; Muhammad Rafai; Abdi Rahim Damanik
SNASTIKOM Vol. 2 No. 1 (2023): SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI (SNASTIKOM) 2023
Publisher : Unit Pengelola Jurnal Universitas Harapan Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to optimize profits and minimize losses from smartphone sales at Wijaya Cell stores that have been achieved in the future. The data used in this study were obtained directly from the Wijaya Cell store by conducting observations and interviews. The Wijaya Cell store is a communication technology that sells smartphones to be marketed to the public. The data that will be processed from the sale of the Wijaya Cell smartphone uses the Backprogation method which is an Artificial Neural Network. The data used is annual smartphone sales data from 2018-2021. From the results of research with training data experiments, it was found that the best architecture was 3-8-1 with 92% accuracy, MSE training was 0.0099974. It is concluded that the Backprogation method can be implemented in predicting smartphone sales results. By doing this research, it is hoped that it can provide input to the Wijaya Cell Shop in optimizing profits and minimizing losses from smartphone sales in the future
PENERAPAN LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN PENGARUH KEGIATAN MAHASISWA DALAM KEAKTIFAN PEMBELAJARAN PADA KELAS 23S04 STIKOM TUNAS BANGSA Sundari Retno Andani; Satria Bima Pratama; Muhammad Iqbal; Robbiatul Awaliyah; Nizar Ardiansyah Lubis
(JRSIKOM) Jurnal Riset Sistem Informasi dan Aplikasi Komputer Vol. 2 No. 1 (2026): Volume 2 Nomor 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Mahasiswa selalu punya cara mereka sendiri dalam belajar, tidak jarang saat kita melihat dan memperhatikan kondisi kelas saat pelajaran sedang berlangsung banyak yang melakukan kegiatannya masing-masing. Hal ini menimbulkan pertanyaan apakah melakukan kegiatan lain saat proses belajar sedang berlangsung dapat mempengaruhi esensi dari proses belajar itu sendiri. Dalam Penelitian ini bertujuan untuk menentukan kegiatan apa saja yang paling sering dilakukan oleh para mahasiswa saat mereka sendang belajar. Disini kami menggunakan kelas 23S04 di STIKOM Tunas Bangsa Pematang Siantar sebagai bahan penelitian tentang pegaruh dari Kegiatan lain saat proses belajar mengajar sedang berlangsung. Penentuan interferensi kegiatan lain dalam proses belajar akan menggunakan logika fuzzy dengan metode mamdani, denga variabel kegiatan yaitu Bermain Smartphone, Berdiskusi,dan Belajar sebagai input nya. Pemilihan variabel didasarkan oleh mayoritas kegiatan yang dilakukan oleh para mahasiswa. Hasil penelitian menunjukan bahwa mahasiswa cenderung melakukan kegiatan tertentu saat sedang melakukan proses belajar dan hal tersebut terbukti mempengaruhi keaktifan mahasiswa saat proses belajar sedang dilakukan. Dengan penerapan fuzzy mamdani dalam kasus ini diharapkan dapat menjadi acuan untuk seberapa besar pengaruh kegiatan lain dalam proses pembelajaran oleh mahasiswa 23S04.
Enhancing Lung Cancer Detection: Optimizing CNN Architectures through Hyperparameter Tuning Sundari Retno Andani; Poningsih; Abdul Karim
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 4 (2025): August 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i4.6357

Abstract

TThis study aimed to compare the performance of various Convolutional Neural Network (CNN) architectures, including LeNet, ResNet, AlexNet, GoogleNet, VGGNet, and the proposed model, in medical image classification for disease detection. The proposed model was developed by adding additional layers and fine-tuning the hyperparameters in the ResNet architecture to enhance its ability to extract complex features. The training and testing processes were conducted using an augmented X-ray image dataset to increase the data diversity. The results indicate that the proposed model achieved the highest testing accuracy of 76.33%, surpassing other models in terms of accuracy, precision, recall, and F1-score. Although there are some limitations in specificity and the Matthews Correlation Coefficient (MCC), the proposed model still demonstrates better generalization ability, with an AUC-ROC score approaching an optimal value. These findings suggest that the proposed model has advantages in medical image classification and holds potential for further development to enhance disease classification accuracy.
Sistem Pendukung Keputusan Promosi Jabatan Dengan Metode Saw Sumarlin Sumarlin; Sundari Retno Andani; Romulo P. Aritonang
Jurnal Inovasi Artificial Intelligence & Komputasional Nusantara Vol. 4 No. 1 (2026): Volume 4 No 1 Tahun 2026
Publisher : PT Siantar Codes Academy Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.260396/4mrcqz14

Abstract

Salah satu kunci kesuksesan sebuah perusahaan adalah sumber daya manusia. Penempatan sumber daya yang tepat pada sebuah posisi jabatan merupakan faktor utama dalam menentukan keberhasilan sebuah perusahaan. Ketika sebuah posisi jabatan diduduki oleh karyawan yang tepat, maka sebuah perusahaan akan memperoleh hasil yang maksimal. Salah satu bentuk kegiatan yang berhubungan dengan SDM perusahaan adalah kegiatan promosi jabatan. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan yang digunakan untuk promosi  jabatan. Sistem pendukung keputusan ini menggunakan metode SAW (Simple Additive Weighting). Metode ini akan menentukan bobot dari masing-masing atribut yang kemudian akan dilakukan perankingan untuk menentukan alternatif terbaik.