Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal IKRA-ITH Informatika : Jurnal Komputer dan Informatika Jurnal Locus Penelitian dan Pengabdian Journal of Artificial Intelligence and Digital Business
Kumajas, Sondy C.
Unknown Affiliation
Aerospace Engineering Automotive Engineering Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Mathematics

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Sistem Klasifikasi Tingkat Kematangan Cabai Rawit Menggunakan Algoritma K-Nearest Neighbor (KNN) Ananta, Asti; Kumajas, Sondy C.; Moningkey, Efraim
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 9 No. 3 (2025): IKRAITH-INFORMATIKA Vol 9 No 3 November 2025
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Cabai rawit melrulpakan salah satul komoditas pelrtanian belrnilai elkonomi tinggi di Indonelsia, namuln pelnelntulan tingkat kelmatangannya masih dilakulkan selcara manulal olelh peltani selhingga selring melnyelbabkan keltidakkonsistelnan dalam prosels paneln. Pelnellitian ini melngelmbangkan sistelm klasifikasi tingkat kelmatangan cabai rawit melnggulnakan algoritma K-Nelarelst Nelighbor (KNN) belrbasis fitulr warna HSV (Hulel, Satulration, Valulel). Data citra cabai dipelrolelh langsulng dari pelrkelbulnan dan diprosels mellaluli tahap prelprocelssing, elkstraksi fitulr HSV, pellatihan modell, hingga implelmelntasi dalam aplikasi belrbasis welb melnggulnakan Flask. Sistelm mampul melngklasifikasikan cabai kel dalam tiga katelgori, yaitul melntah, seltelngah matang, dan matang. Modell KNN delngan nilai k=3 melnghasilkan akulrasi selbelsar 86% belrdasarkan pelnguljian melnggulnakan data ulji. Hasil pelnellitian melnulnjulkkan bahwa algoritma KNN dapat digulnakan selcara elfelktif dalam klasifikasi tingkat kelmatangan cabai rawit selrta dapat melndulkulng prosels paneln dan distribulsi selcara lelbih objelktif dan konsisteln.
Penerapan Algoritma FCFS Dalam Sistem E-Order Berbasis QR Code Untuk Pengelolaan Antrian Di Warung Wifi Wuwungan, Jehuda D. I.; Rompas, Parabelem T. D.; Kumajas, Sondy C.
IKRA-ITH Informatika : Jurnal Komputer dan Informatika Vol. 10 No. 1 (2026): IKRAITH-INFORMATIKA Vol 10 No 1 Maret 2026
Publisher : Fakultas Teknik Universitas Persada Indonesia YAI

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

Abstract

Warung WiFi menghadapi kendala operasional akibat sistem pemesanan dan transaksi manual yang menyebabkan antrian fisik tidak teratur, waktu tunggu pelanggan yang lama, serta risiko kesalahan pencatatan. Penelitian ini bertujuan mengembangkan sistem e-order berbasis web yang menerapkan algoritma First-Come First-Served (FCFS) untuk mengotomatisasi pengelolaan antrian pesanan berdasarkan waktu kedatangan. Sistem ini dikembangkan menggunakan metode Agile dengan framework Laravel dan basis data MySQL, serta terintegrasi dengan payment gateway Midtrans untuk memfasilitasi pembayaran digital. Algoritma FCFS diimplementasikan pada modul dapur untuk mengurutkan pesanan secara adil dan menghitung metrik kinerja layanan seperti waktu tunggu (waiting time) dan waktu proses (burst time). Hasil pengujian Black Box menunjukkan bahwa sistem berfungsi valid dalam menangani pemindaian QR Code, manajemen pesanan, dan transaksi nirkontak. Penerapan sistem ini terbukti efektif meningkatkan efisiensi operasional, meminimalkan human error, serta memberikan transparansi dan keteraturan dalam manajemen antrian di Warung WiFi.
Analisis Efektivitas Sistem Rekomendasi Berbasis Random Forest untuk Edukasi Rehabilitasi Narkoba di Masyarakat Kota Manado Silaarta, Hezeki Farell; Hasibuan, Alfiansyah; Kumajas, Sondy C.
Jurnal Locus Penelitian dan Pengabdian Vol. 5 No. 4 (2026): JURNAL LOCUS: Penelitian dan Pengabdian
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/locus.v5i4.5701

Abstract

Penyalahgunaan narkoba di Kota Manado menunjukkan tren peningkatan yang signifikan dan menjadi tantangan serius bagi upaya pencegahan serta edukasi rehabilitasi. Penelitian ini bertujuan menganalisis efektivitas sistem rekomendasi materi edukasi rehabilitasi berbasis algoritma Random Forest, yang dirancang untuk menyajikan konten pembelajaran terpersonalisasi sesuai karakteristik pengguna. Metode yang digunakan adalah Research and Development (R&D) dengan desain quasi-experimental melalui pretest-posttest control group design. Sampel penelitian terdiri atas 181 responden, terbagi dalam kelompok eksperimen (91 orang) dan kontrol (90 orang). Sistem dikembangkan menggunakan Python, Flask, dan PostgreSQL, dengan Random Forest sebagai algoritma klasifikasi berdasarkan variabel usia, jenis kelamin, minat edukasi, pekerjaan, dan skor pre-test. Hasil pengujian menunjukkan bahwa model Random Forest memiliki kinerja klasifikasi yang sangat tinggi, dengan akurasi, precision, recall, dan F1-score masing-masing mencapai 100%. Namun, uji efektivitas sistem memperlihatkan tidak adanya perbedaan signifikan antara kelompok eksperimen dan kontrol, baik pada nilai post-test (p = 0,3023) maupun gain score (p = 0,7503). Meskipun demikian, secara deskriptif kelompok eksperimen menunjukkan kecenderungan peningkatan skor lebih tinggi dibandingkan kelompok kontrol. Temuan ini mengindikasikan bahwa meskipun sistem rekomendasi bekerja optimal secara teknis, dampak intervensi terhadap peningkatan pemahaman belum signifikan secara statistik. Penelitian ini berkontribusi pada pengembangan sistem edukasi digital berbasis machine learning di bidang rehabilitasi narkoba, serta membuka peluang perbaikan melalui penambahan variabel prediktor, pengayaan level materi, dan perbandingan dengan algoritma lain pada penelitian selanjutnya.
Aplikasi Sistem Informasi Keuangan Desa Berbasis Web di Dinas Pemberdayaan Masyarakat dan Desa (DPMD) Kumajas, Sondy C.; Paki’da, Imelda
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.7243

Abstract

Aplikasi Sistem Informasi Keuangan Desa berbasis web dengan pendekatan Extreme Programming (XP) dirancang untuk meningkatkan efisiensi, transparansi, dan akuntabilitas dalam pengelolaan keuangan desa. Pengelolaan keuangan desa yang masih dilakukan secara manual sering menimbulkan berbagai kendala, seperti proses administrasi yang lambat, risiko kesalahan pencatatan, serta kesulitan dalam penyusunan laporan yang sesuai dengan regulasi. Oleh karena itu, diperlukan sistem informasi yang mampu mengintegrasikan pengelolaan data keuangan secara lebih sistematis dan mudah diakses oleh pihak terkait. Penelitian ini bertujuan untuk mengembangkan sistem informasi yang terintegrasi dan adaptif guna mendukung Dinas Pemberdayaan Masyarakat dan Desa (DPMD) dalam mengelola data keuangan secara lebih akurat dan real-time. Sistem yang dikembangkan diharapkan dapat membantu proses pencatatan transaksi, pengelolaan anggaran, serta penyusunan laporan keuangan desa secara lebih efektif. Metode pengembangan yang digunakan adalah Extreme Programming (XP) karena mampu menghasilkan perangkat lunak yang fleksibel dan responsif terhadap perubahan kebutuhan pengguna. Tahapan dalam metode ini meliputi perencanaan (planning), perancangan sederhana (simple design), pengkodean (coding), dan pengujian (testing) yang dilakukan secara berkelanjutan dengan melibatkan pengguna secara aktif. Hasil implementasi menunjukkan bahwa sistem mampu mempercepat proses administrasi keuangan, meminimalkan kesalahan manual, serta mempermudah penyusunan laporan keuangan yang sesuai dengan regulasi. Dengan penerapan metode XP, aplikasi dapat dikembangkan secara efektif dan efisien serta mampu beradaptasi dengan kebutuhan pengguna di masa mendatang.
Co-Authors ANANTA, ASTI Hasibuan, Alfiansyah Moningkey, Efraim Paki’da, Imelda Rompas, Parabelem T. D. Silaarta, Hezeki Farell Wuwungan, Jehuda D. I.