Article Per Year (5 Year)
p-Index From 2021 - 2026
4.674
P-Index
This Author published in this journals
All Journal Jurnal TIMES Jurnal Informatika dan Teknik Elektro Terapan JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Infomedia Abdi: Jurnal Pengabdian dan Pemberdayaan Masyarakat Jurnal Ilmiah Profesi Pendidikan Jurnal Darma Agung Community Empowerment Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD ALMUJTAMAE: Jurnal Pengabdian Masyarakat Jurnal Sains dan Teknologi ISTP SAGA: Journal of Technology and Information Systems Kohesi: Jurnal Sains dan Teknologi Jurnal Informatika Polinema (JIP) Jurnal Kecerdasan Buatan dan Teknologi Informasi Jurnal Computer and Technology Riau Jurnal Teknik Informatika Jurnal Sistem Informasi dan Teknologi Informasi Applied Information Technology and Computer Science (AICOMS) ILKOMEDIA: Jurnal Ilmu Komputer dan Multimedia Edu Komputika Journal Variable Research Journal INTECH - Informatika Dan Teknologi
Victor Tarigan
Teknik Informatika, Fakultas Teknik, Universitas Sam Ratulangi
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Medicine & Pharmacology Public Health Social Sciences Other

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

Found 34 Documents
Search

 1   2   3   4 
Analisis Penggunaan Warna Berdasarkan Teori Warna Menurut Brewster Pada UI Aplikasi E-wallet DANA Menggunakan Pendekatan Design Thinking Flouresita Udampo; Stevina Lembong; Ade Yusupa; Victor Tarigan
INTECH Vol. 6 No. 2 (2025): INTECH (Informatika Dan Teknologi)
Publisher : Informatics Study Program, Faculty of Engineering and Computers, Baturaja University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54895/intech.v6i2.3055

Abstract

Penelitian ini mengkaji penggunaan Teori Warna Brewster pada antarmuka (UI) aplikasi e?wallet DANA untuk meningkatkan keterbacaan, rasa aman, dan kepercayaan pengguna. Fokus penelitian meliputi analisis kontras warna, skema penyesuaian tema, serta evaluasi kegunaan melalui tahapan Design Thinking: Empathize, Define, Ideate, Prototype, dan Testing. Data dikumpulkan dari 21 responden usia 18–35 tahun menggunakan kuesioner System Usability Scale (SUS) dan metrik HEART, serta diuji pada prototipe low? dan high?fidelity. Hasil menunjukkan skor rata?rata SUS 72,41 (kategori B) dan HEART 69,6%, mengonfirmasi peningkatan kenyamanan, keterlibatan, dan retensi. Simpulan menegaskan bahwa pemilihan warna yang tepat memperkuat identitas merek DANA dan pengalaman pengguna, dengan rekomendasi fitur personalisasi warna dan pratinjau tema.
Penerapan Collaborative Filtering untuk Sistem Rekomendasi Film Rachel Pangemanan; Nasya Emanuel Soekamto; Glerio Adrian; Ade Yusupa; Victor Tarigan
Riau Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Maret 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i1.3248

Abstract

Sistem rekomendasi berperan penting dalam membantu pengguna menemukan konten yang relevan di tengah banyaknya informasi yang tersedia. Penelitian ini mengimplementasikan dan mengevaluasi metode User-Based dan Item-Based Collaborative Filtering untuk sistem rekomendasi film menggunakan dataset MovieLens 100K. Evaluasi dilakukan menggunakan RMSE, MAE, Precision, Recall, dan F1-Score untuk mengukur akurasi prediksi dan relevansi rekomendasi. Hasil penelitian menunjukkan bahwa metode Item-Based Collaborative Filtering memiliki performa lebih baik dibandingkan User-Based Collaborative Filtering dalam hal akurasi prediksi dan relevansi rekomendasi. Keunggulan ini disebabkan oleh stabilitas hubungan antar item dibandingkan preferensi pengguna yang lebih dinamis. Meskipun efektif, metode ini masih menghadapi tantangan seperti sparsity dan keterbatasan jumlah rating pada beberapa film. Penelitian selanjutnya dapat mengeksplorasi pendekatan hibrida yang menggabungkan Collaborative Filtering dengan deep learning atau content-based filtering untuk meningkatkan kualitas
Perbandingan Algoritma Naive Bayes Dan Support Vector Machine Dalam Deteksi Berita Hoax Berbahasa Indonesia Keren Mumbunan; Michyta Marchantia Betsi Bawata; Miracle Prayer kusen; Victor Tarigan; Ade Yusupa
Riau Jurnal Teknik Informatika Vol. 4 No. 1 (2025): Maret 2025
Publisher : Prodi Teknik Informatika Universitas Pasir Pengaraian

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30606/rjti.v4i1.3262

Abstract

Abstrak Berita hoax menjadi masalah besar di era digital, terutama di Indonesia, di mana informasi yang tidak terverifikasi menyebar dengan cepat melalui media sosial. Penelitian ini membandingkan kinerja algoritma Naïve Bayes (NB) dan Support Vector Machine (SVM) dalam mendeteksi berita hoax berbahasa Indonesia. Dataset yang digunakan terdiri dari 4.599 berita, yang dikumpulkan dari Twitter dan repositori GitHub, dikategorikan sebagai hoax atau valid. Berbagai tahap preprocessing, seperti tokenisasi, stopword removal, stemming, dan TF-IDF vectorization, diterapkan untuk meningkatkan akurasi model. Model dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil eksperimen menunjukkan bahwa SVM memiliki performa lebih baik dibandingkan Naïve Bayes, dengan akurasi 70,87%, lebih tinggi dibandingkan 66,52% dari Naïve Bayes. SVM juga unggul dalam presisi (72%) dan F1-score (82%), sedangkan Naïve Bayes lebih unggul dalam recall (99%). Kesimpulan dari penelitian ini adalah bahwa SVM lebih efektif dalam klasifikasi berita hoax, sementara Naïve Bayes lebih cocok digunakan jika kecepatan pelatihan menjadi prioritas. Penelitian selanjutnya disarankan untuk menggunakan pendekatan deep learning seperti BERT atau LSTM, memperluas dataset, serta mengembangkan model hybrid yang menggabungkan Naïve Bayes dan SVM untuk mengoptimalkan akurasi dan efisiensi.
PENENTUAN RUTE TERPENDEK ARMADA PEMADAM KEBAKARAN MENGGUNAKAN PENGEMBANGAN ALGORITMA FLOYD WARSHALL Rio Ferdiani Harahap; Eliasta Ketaren; victor tarigan
Jurnal TIMES Vol 15 No 1 (2026): Jurnal TIMES
Publisher : STMIK TIME

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51351/jtm.15.1.2026926

Abstract

Peristiwa kebakaran yang terjadi di Kota Manado sebanyak 139 peristiwa sepanjang tahun 2024, sedangkan periode 1 Januari 2025 hingga 31 Juli 2025 sebanyak 76 peristiwa kebakaran. Waktu rata-rata respon time Dinas Pemadam Kebakaran Kota Manado adalah 5 menit 15 detik. Penentuan jalur terpendek merupakan aspek penting dalam meningkatkan responsibilitas armada pemadam kebakaran, karena reduksi waktu tempuh langsung berdampak pada penyelamatan nyawa dan pengurangan kerugian materil. Penelitian ini mengusulkan pengembangan algoritma Floyd–Warshall untuk optimasi penentuan rute pada jaringan jalan berbobot. Representasi jaringan menggunakan graf terhubung berbobot yang mengintegrasikan parameter jarak dan estimasi waktu perjalanan. Modifikasi algoritma difokuskan pada peningkatan efisiensi komputasi sehingga mampu menghasilkan solusi rute terpendek ke seluruh simpul. Hasil penelitian ini menunjukan pengembangan algoritma Floyd Warshall mampu memberikan solusi jalur terpendek dari pos pemadam kebakaran ke lokasi rawan kebakaran Kota Manado dan mempersingkat respon time sebesar 46.67%.
Co-Authors Ade Yusupa Adinda Franky Nelwan Aditiarno Manik Aditya Lapu Kalua Agustinus Jacobus Barca Sembeng BATJO, LOURDES CHRISTIAN PASKAH Cleantha Polii Daniel Febrian Sengkey Dina Mariana Siregar dina mariana siregar, dina mariana Eliasta Ketaren Fabiano Antonius Mamangkey, Xavier Fithratul Zalmi, Wahyuni Flouresita Udampo Gizelda Felicya Jeanette Lewu Glerio Adrian Gresty Natalia M Masi Jeheskiel Liwe Jeremia Siregar Jimmy Reagen Robot Kartyka Nababan Keren Mumbunan Kerenhapukh Priskila Waworuntu Kolang, Indri Claudia Komansilan, Reinhard kurnia, rahmi putri Lelemboto, Jeremia Lembong, Stevina Lintang Patria Made Hendy Wijaya, I Manoppo, Michael Reynald Martien Mengko, Riky Mawara, Reza Michelly Cantika Michyta Marchantia Betsi Bawata Miracle Prayer kusen MOKANSI, MISAEL TELDI Nadira Tri Ardianti Purnomo Nasya Emanuel Soekamto Natalia Kristiani Pangemanan Nur Fiat, Daffa Nur Paendong, Indah Pahala Sirait Pasanda, Marlin Syellen Poltak Sihombing Pujo Hari Saputro Punusingon, Paskal Rachel Pangemanan RAHAYAAN, JACOB ALFANICOLLS Reinhard Komansilan Rendy Syahputra Rio Ferdiani Harahap Salsabilla Putrihanda Sembiring, Erika Emnina Shakila Maisa Ayu Stevina Lembong Sumarno, Anggraini Dwi Putri Supoyo, Bertrand Suriati Sitepu Udampo, Flouresita Wanda Angella Pantouw