Claim Missing Document
Check
Articles

Found 24 Documents
Search

Handling Data Imbalance Problem in Hybrid Resampling Approach to Improve Accuracy of K-Nearest Neighbors Algorithm Antonius Siagian, Novriadi; Sipayung, Sardo Pardingotan
Bahasa Indonesia Vol 16 No 02 (2024): Instal : Jurnal Komputer
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalinstall.v16i02.207

Abstract

Handling the problem of data imbalance is a crucial challenge in the development of classification models, especially in medical data such as stroke detection. This study proposes a hybrid resampling approach of SMOTE (Synthetic Minority Over-sampling Technique) and NearMiss to improve the accuracy of K-Nearest Neighbors (KNN) algorithm on stroke datasets. Our hybrid resampling approach aims to overcome the shortcomings of each resampling technique, with SMOTE generating minority class samples and NearMiss subtracting samples from the majority class. We test this approach on a stroke dataset that has class imbalance. The method was evaluated using K-NN. The experimental results show that the hybrid approach can improve the accuracy of K-NN in predicting the minority class compared to the conventional approach. It shows that adjusting these parameters can significantly affect the performance of the hybrid approach. In this study, providing the highest accuracy in SMOTE with K-1 neighbors resulted in a 100% improvement in accuracy, followed by a 97% improvement with K-2, and a 93% accuracy with K-3. On the other hand, the undersampling approach using NearMiss showed 100% accuracy improvement with K-1, followed by 74% improvement with K-2, and 76% accuracy with K-3. In conclusion, the use of SMOTE proved to be more consistent in improving accuracy with higher K values. In this case, it is important to consider various parameters in choosing the right resampling technique to handle data imbalance.
Analysis of Student Achievement with K-Means on Socioeconomic, Behavioral, and Psychological Factors Muhammad Iqbal; Sardo Pardingotan Sipayung; Alex Rikki Sinaga; Paska Marto Hasugian
Jurnal Info Sains : Informatika dan Sains Vol. 14 No. 04 (2024): Informatika dan Sains , 2024
Publisher : SEAN Institute

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

Abstract

This study aims to analyze students' academic achievement based on socio-economic, behavioral, and psychological factors using the K-Means clustering method. The data used include various variables such as family income, internet access, learning motivation, stress levels, and student attendance. The results of the analysis show that students can be grouped into three different clusters: Cluster 1 consists of students with good socio-economic backgrounds, high motivation, and better academic achievement; Cluster 2 shows students with higher levels of stress that affect their achievement even though they have adequate access to education; and Cluster 3 reflects students from less supportive socio-economic backgrounds, with limited internet access and low study time, so their achievement is lower than other clusters. The Davies-Bouldin Index (DBI) calculation result of 0.63 shows a fairly good cluster separation. This analysis reveals that socio-economic factors have a significant impact on students' academic achievement, while psychological aspects such as motivation and stress levels also play an important role in determining learning success. Intervention programs focused on stress management and increasing access to education are recommended for students from Cluster 2 and Cluster 3 to improve their academic outcomes. This study provides insight into the importance of socio-economic and psychological factors in shaping students' academic achievement.
Forecasting Analysis of New Student Candidate Admissions Using the Simple Linear Regression Method Sardo Pardingotan Sipayung; Zakarias Situmorang; Zekson Matondang; Masdiana Sagala
Jurnal Teknik Indonesia Vol. 2 No. 02 (2023): Jurnal Teknik Indonesia (JU-TI), Desember 2023
Publisher : SEAN Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58471/ju-ti.v2i02.561

Abstract

The development of science and technology facilitates various aspects of life, including forecasting. Forecasting student enrollment in private universities can maximize the use of resources for services, facilities, infrastructure, and improving human resources. The regression method is used to measure the effect of promotional costs on increasing student enrollment in the future. This forecasting will be valid if an accurate model is used. The results showed the level of accuracy using the MAPE (Mean Absolute Percentage Error) model of 2.229%. However, the level of accuracy can vary each due to differences in data.
Implementasi Algoritma Dijkstra dalam Menentukan Rute Terpendek dari Unika St. Thomas Medan ke Lapangan Merdeka Garingging, Cesia Trisani Saragih; Gaol, Sasmita Lumban; Lubis, Maria Angelina; Sianturi, Firman Torino; Sembiring, Boy Mountavani; Sipayung, Sardo Pardingotan
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14892

Abstract

Penentuan rute terpendek dalam sistem informasi geografis memiliki peran penting dalam mendukung efisiensi perjalanan, terutama di kawasan perkotaan dengan tingkat kemacetan tinggi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Dijkstra dalam pencarian rute optimal dari Universitas Katolik Santo Thomas Medan menuju Balai Kota Lapangan Merdeka Medan. Metode yang digunakan adalah pendekatan kuantitatif berbasis pemodelan graf, di mana simpul-simpul (nodes) merepresentasikan titik-titik persimpangan jalan dan sisi (edges) menunjukkan hubungan antar jalan yang diukur berdasarkan jarak tempuh aktual dari Google Maps. Simulasi dilakukan menggunakan jalur dengan representasi node A hingga Q, yang masing-masing menunjukkan ruas jalan tertentu: mulai dari Unika (A), melalui Jalan Setia Budi (B), Dr. Mansyur (C), Jamin Ginting (F), Kapten Patimura (G), Jendral Sudirman (I), Letjend Suprapto (K), Pemuda (L), Jendral Ahmad Yani (N), hingga mencapai tujuan akhir di Lapangan Merdeka (Q). Hasil penelitian menunjukkan bahwa lintasan dari A ke B ke C ke F ke G ke I ke K ke L ke N dan ke Q memiliki jarak terpendek sebesar 13.450 m. Implementasi algoritma Dijkstra terbukti efektif dalam menyelesaikan persoalan pemilihan rute tercepat berdasarkan parameter jarak. Temuan ini dapat diadopsi dalam pengembangan aplikasi navigasi lokal berskala kecil untuk menunjang efisiensi transportasi. Penelitian lanjutan disarankan untuk mengintegrasikan variabel waktu tempuh, kondisi lalu lintas real-time, dan preferensi pengguna guna meningkatkan akurasi serta relevansi hasil pencarian rute.
Implementasi Algoritma Dijkstra Untuk Menentukan Rute Terpendek dari SMA 17 Medan Ke Unika St.Thomas Purba, Jhonatan; Manurung, Saut; Girsang, Jahanra; Gulo, Jelita Astrid; Sipayung, Sardo Pardingotan
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14963

Abstract

Mobilitas pelajar di kawasan perkotaan sering kali menuntut efisiensi waktu dan rute perjalanan, khususnya bagi siswa SMA yang berencana melanjutkan studi ke perguruan tinggi. Penelitian ini bertujuan untuk menentukan rute tercepat dari SMA Negeri 17 Medan ke Universitas Katolik Santo Thomas menggunakan algoritma Dijkstra. Algoritma ini digunakan karena kemampuannya dalam menemukan jalur terpendek secara sistematis melalui perhitungan bobot jarak antar titik dalam bentuk graf. Data lokasi dan jarak diperoleh melalui Google Maps dan observasi lapangan, lalu dimodelkan menjadi graf berbobot di mana simpul mewakili titik pertemuan jalan dan sisi menunjukkan jarak antar simpul. Proses penentuan rute dilakukan melalui langkah-langkah Dijkstra, dimulai dari simpul asal (SMA 17 Medan) hingga simpul tujuan (Unika St. Thomas), dengan mempertimbangkan seluruh kemungkinan lintasan. Hasil pengujian menunjukkan bahwa algoritma Dijkstra mampu secara efisien menemukan rute tercepat berdasarkan data jarak aktual dan memberikan hasil yang mendekati data dari Google Maps. Visualisasi jalur juga mempermudah pemahaman arah perjalanan. Dengan demikian, pendekatan ini tidak hanya berguna bagi siswa, tetapi juga dapat diimplementasikan dalam aplikasi penunjuk arah berbasis lokasi untuk masyarakat umum.
Security Analysis of Data Storage in Cloud-Based Digital Archive Management Systems Meri Nova Marito Br Sipahutar; Ade Linhar P; Sardo Pardingotan Sipayung
Journal of Advanced Computer Knowledge and Algorithms Vol. 2 No. 3 (2025): Journal of Advanced Computer Knowledge and Algorithms - July 2025
Publisher : Department of Informatics, Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jacka.v2i3.22436

Abstract

In today's global era, archive management plays a crucial role in supporting operational efficiency and informed decision-making. The adoption of cloud computing offers an innovative solution for managing digital archives more effectively and efficiently. This journal discusses the implementation of cloud computing in digital archive management using MySQL as a relational database management system. Through this approach, archive data can be stored, accessed, and managed more securely while ensuring data integrity. The study also explores the advantages of MySQL in terms of performance, scalability, and ease of access. Implementation of this system in several organizations has shown significant improvements in archive management efficiency and a reduction in operational costs. This system helps organizations manage their digitized data effectively by utilizing cloud computing as a more affordable and reliable storage solution
Perbandingan Metode SAW dan Weighted Product dalam Pemilihan Siswa Berprestasi Maruwahal Sijabat, Ramson Rikson; Simanjuntak, Richard Parlindungan; Sipayung, Sardo Pardingotan
Jurnal Sains dan Teknologi Vol. 7 No. 1 (2025): Jurnal Sains dan Teknologi
Publisher : CV. Utility Project Solution

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

Abstract

Evaluasi kinerja metode perankingan dalam pemilihan siswa terbaik menjadi aspek penting untuk memastikan akurasi dan keandalan hasil yang diperoleh. Penelitian ini membandingkan hasil perankingan metode Weighted Product (WP) dengan metode Simple Additive Weighting (SAW) dalam menentukan peringkat siswa. Evaluasi dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Korelasi Spearman untuk mengukur kesesuaian hasil perankingan kedua metode. Berdasarkan hasil pengujian, diperoleh nilai MAE sebesar 0,75, RMSE sebesar 1,52, dan Korelasi Spearman sebesar 0,99. Nilai MAE dan RMSE yang relatif kecil menunjukkan bahwa perbedaan antara hasil perankingan kedua metode tidak signifikan. Sementara itu, nilai Korelasi Spearman yang mendekati 1 menunjukkan bahwa hasil perankingan metode WP dan SAW memiliki hubungan yang sangat kuat dan searah. Dengan demikian, kedua metode ini dapat digunakan secara efektif dalam pemilihan siswa terbaik dengan hasil yang relatif konsisten dan selaras satu sama lain.
Analisis dan Prediksi Persentase Angka Kemiskinan di Indonesia menggunakan Metode Regresi Linier Berganda Sinaga, Lotar Mateus; Sipayung, Sardo Pardingotan
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6, Nomor 2, Edisi Oktober 2024
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v6i2.4332

Abstract

Kemiskinan adalah masalah kompleks yang dipengaruhi oleh berbagai faktor ekonomi, sosial, dan demografi yang saling berkaitan. Sudah menjadi tugas kebijakan ekonomi yang signifikan, oleh karena itu, dalam hal tersebut, untuk mengidentifikasi segala faktor yang relevan dan signifikan serta menguraikan efeknya terhadap tingkat kemiskinan, kita menggunakan data sekunder yang diperoleh dari Badan Pusat Statistik dan sumber-sumber kemiskinan lainnya yang memengaruhi periode penelitian yang spesifik. Variabel independen yang digunakan dalam analisis meliputi tingkat pengangguran, tingkat pendidikan, tingkat inflasi, pertumbuhan ekonomi, dan variabel lain yang relevan yang diduga memengaruhi angka kemiskinan. Menggunakan metode regresi linier berganda, peneliti mengembangkan model yang memprediksi angka kemiskinan dengan tingkat keakuratan tertentu. Hasil analisis menunjukkan bahwa variabel-variabel tersebut berpengaruh signifikan pada angka kemiskinan dan beberapa faktor memiliki korelasi positif sedangkan beberapa korelasi memiliki korelasi negatif. Misalnya, tingkat pengangguran dan inflasi berkorelasi positif dan hubungannya bidireksional dengan angka kemiskinan, sedangkan tingkat pendidikan dan pertumbuhan ekonomi negatif. Model termasuk validasi yang baik, yang diberikan oleh tingkat koefisien determinasi. Inhalasi penelitian juga membahas implikasi hasil temuan dalam konteks kebijakan publik. Hasil temuan penelitian ini dapat digunakan sebagai landasan pengetahuan untuk membantu mereformasi kebijakan publik.
Efektivitas Metode Gap Statistic dan X-Means dalam Menentukan Jumlah Cluster Optimal pada K-Means Clustering Ginting, Anirma; Harianja, Andy Paul; Sipayung, Sardo Pardingotan
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6, Nomor 2, Edisi Oktober 2024
Publisher : UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/kakifikom.v6i2.4407

Abstract

Penentuan jumlah cluster optimal merupakan langkah penting dalam analisis data menggunakan algoritma K-Means Clustering. Dua metode yang umum digunakan untuk tujuan ini adalah Gap Statistic dan X-Means. Penelitian ini bertujuan untuk mengeval_uasi efektivitas kedua metode dalam menentukan jumlah cluster optimal, serta menganalisis kinerja K-Means berdasarkan hasil tersebut. Studi ini menggunakan dataset Iris dan Wine untuk menguji akurasi serta efisiensi waktu kedua metode. Pada dataset Iris, Gap Statistic mengidentifikasi jumlah cluster optimal sebesar 3, sesuai dengan label asli, dengan nilai Silhouette Score 0,67 dan Davies-Bouldin Index 0,38. Sebaliknya, X-Means menghasilkan 4 cluster dengan Silhouette Score 0,64 dan Davies-Bouldin Index 0,42. Pada dataset Wine, Gap Statistic menentukan 3 cluster dengan Silhouette Score 0,56 dan Davies-Bouldin Index 0,45, sementara X-Means menghasilkan 5 cluster dengan Silhouette Score 0,52 dan Davies-Bouldin Index 0,51. Selain itu, waktu komputasi menunjukkan bahwa Gap Statistic membutuhkan waktu lebih lama dibandingkan X-Means karena proses simulasi data acak untuk setiap nilai K. Hasil penelitian menunjukkan bahwa Gap Statistic lebih akurat dalam menentukan jumlah cluster optimal yang sesuai dengan label asli, namun membutuhkan waktu komputasi yang lebih lama. Di sisi lain, X-Means lebih efisien secara waktu, meskipun memiliki kinerja clustering yang sedikit lebih rendah pada beberapa metrik eval_uasi. Studi ini memberikan wawasan bagi praktisi dalam memilih metode yang sesuai untuk kebutuhan spesifik dalam aplikasi clustering.
Penerapan Algoritma Dijkstra untuk Menentukan Rute Terpendek dari Universitas Katolik Santo Thomas Medan Menuju Perpustakaan Universitas Sumatera Utara Barus, Paskalia Br; Naibaho, Wirma; Sitanggang, Roni Gabe; Sinaga, Elvis Lavenius; Sipayung, Sardo Pardingotan
Jurnal Pendidikan Tambusai Vol. 9 No. 2 (2025): Agustus
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

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

Abstract

Penelitian ini membahas penerapan algoritma Dijkstra untuk menentukan rute terpendek dari Universitas Katolik Santo Thomas Medan menuju Perpustakaan Universitas Sumatera Utara. Dalam penelitian ini Algoritma Dijkstra dipilih karena kemampuannya dalam mencari jalur terdekat dengan bobot minimum pada graf berbobot positif. Dalam penelitian ini, titik-titik lokasi dipresentasikan sebagai simpul (node) dan jarak antar lokasi sebagai sisi (edge) dengan bobot tertentu berdasarkan jarak sebenarnya yang didapatkan dari peta Google Maps. Hasil penelitian menunjukkan bahwa algoritma Dijkstra mampu menghasilkan solusi jalur terpendek secara optimal dengan waktu komputasi yang efisien. Rute terdekat yang ditemukan adalah A→B→C→D→G→H→I→M→N dengan total jarak 6.400 meter, di mana A = Universitas Katolik Santo Thomas, B = Jl. Unika, C= Jl. Setia Budi, D = Jl. Setia Budi, G = Jl. Setia Budi, H = Jl. Dr. Mansyur, I = Jl. Sivitas Akademika, M = Jl. Alumni, N = Perpustakaan Universitas Sumatera Utara.