Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) International Journal Of Science, Technology & Management (IJSTM)
Indra Angkat, Chairul
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry 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 Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mechanical Engineering Transportation

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

Found 3 Documents
Search

 1 
Implementation of K-Means Clustering for Inventory Projection Sitorus, Zulham; Syahputra, Irwan; Indra Angkat, Chairul; Sartika, Dewi
International Journal of Science, Technology & Management Vol. 5 No. 3 (2024): May 2024
Publisher : Publisher Cv. Inara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46729/ijstm.v5i3.856

Abstract

Inventory forecasting is crucial in effective supply chain management and cost reduction. However, traditional forecasting techniques face significant challenges due to the complexity and variability of demand patterns. This study explores the use of K-means clustering, a data-driven approach that can improve inventory forecasting accuracy. By grouping inventory items based on their unique demand profiles, we can create personalized forecasting models for each cluster. This technique enhances demand estimation, helping businesses make informed decisions and optimize their inventory. Our research delves into the use of K-means clustering to identify patterns and similarities within historical demand data. This clustering process divides inventory items into groups with similar demand characteristics. By applying specific forecasting models to each cluster, we achieve greater precision in our predictions. The proposed methodology is rigorously evaluated using real-world inventory datasets, and the results demonstrate its significant superiority in forecasting accuracy compared to conventional non-clustered methods. This study offers compelling evidence and valuable insights for practitioners seeking to improve their inventory management practices through data-driven techniques.
Penerapan Algoritma Certainty Factor dalam Diagnosa Penyakit Guillain-Barre Syndrome Indra Angkat, Chairul; Marzuki Sianturi, Ismail; Hartono Sinambela, Sugi; Sitorus, Zulham; Khairul, Khairul
Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Vol. 7 No. 1 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jikomsi.v7i1.2609

Abstract

Gangguan neurologis, seperti Guillain-Barre Syndrome (GBS), terjadi akibat disfungsi otak atau sistem saraf manusia, dengan dampak yang dapat merugikan pertumbuhan anak dari segi psikologis dan fisik. Gejala bervariasi tergantung pada bagian otak atau sistem saraf yang terpengaruh, terjadi pada berbagai rentang usia, mulai dari bayi hingga usia dewasa. GBS, penyakit sistem saraf tepi, dapat muncul pada berbagai kelompok usia dan disebabkan oleh peradangan yang merusak lapisan mielin saraf pada motor neuron serta melibatkan kelainan autoimun pada beberapa individu yang terkena. Infeksi terkait GBS dapat disebabkan oleh bakteri Campylobacter pylori yang dapat dideteksi melalui pemeriksaan laboratorium. Meskipun sangat langka, hanya sekitar 1 dari 100.000 orang yang mengalami gangguan sistem saraf akibat penyakit ini. Gejala GBS mencakup kram otot, parestesia, kesulitan menelan, kesulitan bernafas, kehilangan respons motorik, peningkatan denyut nadi, gangguan pencernaan, kelebihan keringat, dan ketidakstabilan tekanan darah. Untuk memfasilitasi diagnosa penyakit ini, disarankan penggunaan sistem pakar yang dapat memberikan keputusan melalui analisis masalah dengan menerapkan metode atau algoritma tertentu, termasuk algoritma certainty factor. Hal ini diharapkan dapat meningkatkan efisiensi dan objektivitas dalam proses diagnosa penyakit GBS tanpa memerlukan pertemuan langsung antara dokter dan pasien. Penelitian ini bertujuan untuk mengidentifikasi jenis penyakit berdasarkan gejala atau keluhan pasien melalui penerapan certainty factor. Hasil diagnosa menunjukkan persentase tingkat keyakinan sebesar 99.7%, memberikan kontribusi dalam penyediaan diagnosis yang cepat, efisien, dan objektif, mengurangi ketergantungan pada pertemuan langsung antara dokter atau pakar dengan pasien.
Sistem Pakar Diagnosa Rheumatoid Arthritis dengan Menerapkan Algoritma Teorema Bayes Indra Angkat, Chairul; Sianturi, Ismail Marzuki; Hartono Sinambela, Sugi; Iqbal, Muhammad; Farta Wijaya, Rian
Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Vol. 7 No. 1 (2024): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jikomsi.v7i1.2610

Abstract

Penyakit tulang, seperti Rheumatoid Arthritis (RA), dapat dipicu oleh penuaan, gaya hidup tidak sehat, cedera, dan faktor genetik. RA, kondisi kronis pada tulang, seringkali memengaruhi wilayah-wilayah tertentu dalam tubuh, menyebabkan peradangan pada sendi yang dapat mengakibatkan kerusakan dan deformitas sendi. Meskipun belum sepenuhnya dipahami, faktor genetik dan lingkungan diyakini berperan dalam perkembangan RA. Gejala RA melibatkan nyeri, pembengkakan, keterbatasan gerakan, dan deformitas sendi. Penanganan yang efektif sangat penting, meskipun belum ada obat yang menyembuhkan RA sepenuhnya. Sistem kecerdasan buatan, berbasis pada algoritma teorema Bayes, muncul sebagai solusi potensial untuk memfasilitasi diagnosis penyakit tulang tanpa perlu pertemuan langsung antara dokter dan pasien. Algoritma teorema Bayes, yang mencerminkan kecerdasan buatan, telah berhasil diterapkan dalam berbagai penelitian diagnosa penyakit, termasuk hipertensi, presbiopi, anemia, dan karies gigi. Dalam konteks RA, penelitian ini mengidentifikasi kemungkinan bahwa sekitar 71.39% pasien menderita sindrom RA berdasarkan analisis data menggunakan algoritma teorema Bayes. Riset ini bertujuan meningkatkan efisiensi dan objektivitas dalam mendiagnosis RA, mengeksplorasi potensi algoritma teorema Bayes dalam mengidentifikasi kondisi kesehatan pasien berdasarkan gejala atau keluhan. Dengan pendekatan ini, diharapkan proses diagnosis dapat menjadi lebih efisien dan objektif, memberikan manfaat bagi pasien dan dokter dalam mengelola penyakit tulang.
Co-Authors DEWI SARTIKA Farta wijaya, Rian Hartono Sinambela, Sugi Irwan Syahputra, Irwan Khairul Khairul, Khairul Marzuki Sianturi, Ismail Muhammad Iqbal Sianturi, Ismail Marzuki Sitorus, Zulham