Article Per Year (5 Year)
p-Index From 2021 - 2026
5.28
P-Index
This Author published in this journals
All Journal Tech-E Jurnal Teknik Informatika UNIKA Santo Thomas JURNAL PENDIDIKAN TAMBUSAI JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Sains dan Teknologi KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Jurnal Sosial dan Teknologi Instal : Jurnal Komputer Jurnal Info Sains : Informatika dan Sains Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) Jurnal Dinamika Informatika (JDI) Jurnal Inkofar sudo Jurnal Teknik Informatika Ulead : Jurnal E-pengabdian Journal of Artificial Intelligence and Digital Business LOFIAN: Jurnal Teknologi Informasi dan Komunikasi Journal of Advanced Computer Knowledge and Algorithms Jurnal Ilmu Komputer dan Informatika Jurnal Teknik Indonesia (JU-TI) Jurnal Ilmu Komputer dan Teknik Informatika
Sipayung, Sardo Pardingotan
Universias Katolik Santo Thomas Medan Jl. Setiabudi No. 479 F Tanjungsari Medan
Humanities 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 Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 39 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 39 Documents
Search

 1   2   3   4 
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.
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 | DOI: 10.31004/jptam.v9i2.29709

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.
Pemilihan Dosen Terbaik dalam Proses Belajar Mengajar dengan Metode SAW (Simple Additive Weighting) : (Studi Kasus : Fakultas Ilmu Komputer Universitas Katolik Santo Thomas) Sipayung, Sardo Pardingotan; Rikki, Alex; Hasugian, Paska Marto
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 9 No. 2 : Tahun 2024
Publisher : LPPM UNIKA Santo Thomas

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

Abstract

Penilaian kinerja dosen yang efektif sangat penting dalam proses belajar mengajar untuk memastikan kualitas pendidikan yang tinggi. Penelitian ini bertujuan untuk menerapkan metode Simple Additive Weighting (SAW) dalam pemilihan dosen terbaik di Fakultas Ilmu Komputer Universitas Katolik Santo Thomas. Metode SAW dipilih karena kemampuannya dalam mengatasi masalah pengambilan keputusan multi-kriteria dengan memberikan bobot pada setiap kriteria dan menjumlahkan nilai yang dinormalisasi untuk setiap alternatif. Dalam penelitian ini, sembilan kriteria penilaian digunakan, yaitu: tingkat kehadiran mengajar, ketepatan waktu kuliah, kesesuaian materi dengan silabus, kemudahan penyampaian materi, motivasi belajar, penggunaan alat bantu, pelayanan dan perhatian dalam komunikasi dua arah, kemudahan dihubungi, dan pengetahuan aktual dalam pembelajaran. Data dikumpulkan melalui survei dan eval_uasi untuk menilai kinerja dosen berdasarkan kriteria tersebut. Hasil dari metode SAW menunjukkan peringkat dosen berdasarkan bobot kriteria, yang memberikan panduan objektif dan transparan dalam pemilihan dosen terbaik. Penelitian ini juga menguji sensitivitas hasil terhadap perubahan bobot untuk memastikan kestabilan dan keandalan penilaian. Temuan ini diharapkan dapat membantu Fakultas Ilmu Komputer dalam meningkatkan kualitas pengajaran dan memberikan dasar yang kuat untuk pengambilan keputusan terkait eval_uasi kinerja dosen.
Sistem Pendukung Keputusan dalam Pemilihan Karyawan Terbaik di PT. Citra Garden dengan Metode Weight Product (WP) Sihotang, Yuli Pitriani Br; Saragih, Dea Ananda; Sipayung, Sardo Pardingotan
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6 Nomor 1 Tahun 2024
Publisher : UNIKA Santo Thomas

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

Abstract

Pengelolaan sumber daya manusia yang efektif merupakan aspek kritis dalam kesuksesan suatu perusahaan. PT. Citra Garden sebagai perusahaan yang bergerak dalam industri tertentu membutuhkan karyawan terbaik untuk memastikan produktivitas dan kinerja perusahaan tetap optimal. Oleh karena itu, Setiap tahun perusahaan mengadakan pemilihan karyawan terbaik yang akan diberikan reward dan bonus. Tujuan dari penelitian ini membuat sistem penilaian kinerja karyawan dalam rangka pemberian reward dan bonus kenaikan gaji dengan menganalisa data-data pegawai sesuai dengan kriteria yang telah ditentukan(Afifah et al., 2022). penelitian ini bertujuan untuk mengembangkan Sistem Pendukung Keputusan (SPK) berbasis metode Weight Product (WP) dalam proses pemilihan karyawan terbaik. Metode Weight Product (WP) digunakan sebagai dasar pengambilan keputusan karena dapat memberikan bobot pada setiap kriteria yang diterapkan. Penelitian ini melibatkan analisis terhadap kriteria-kriteria yang relevan untuk mengevaluasi kinerja karyawan, seperti pengalaman kerja, keterampilan teknis, tingkat pendidikan, dan kehadiran. Setelah pengumpulan data dan penilaian kriteria, sistem akan memberikan hasil berupa peringkat karyawan berdasarkan bobot yang telah ditentukan. SPK yang diusulkan akan membantu manajemen PT. Citra Garden dalam mengoptimalkan proses seleksi karyawan dengan menyediakan informasi yang akurat dan relevan. Keputusan yang dihasilkan melalui sistem ini diharapkan dapat meningkatkan efisiensi dan efektivitas dalam pengelolaan sumber daya manusia perusahaan.
Sistem Pendukung Keputusan Penilaian Kinerja Guru Menggunakan Metode Simple Additive Weighting (SAW) Lahagu, Marlinus; Fernando, Juniko; Sipayung, Sardo Pardingotan
KAKIFIKOM : Kumpulan Artikel Karya Ilmiah Fakultas Ilmu Komputer Volume 6 Nomor 1 Tahun 2024
Publisher : UNIKA Santo Thomas

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

Abstract

Sangat penting untuk mengevaluasi kinerja guru secara berkala untuk meningkatkan kualitas sumber daya manusia guru. SMKN 1 Negeri Labu melakukan penilaian kinerja guru setiap 3 bulan sekali namun mekanismenya kurang efektif karena kurang transparan. Metode SAW merupakan bagian dari DSS yang digunakan untuk membantu menentukan keputusan berdasarkan data alternatif dan data kriteria. Pengolahan data diimplementasikan sesuai dengan perhitungan metode SAW untuk menentukan matriks keputusan dan kemudian melakukan perangkingan dari total data alternatif. Pada penelitian ini terdapat 20 guru yang dinilai dengan 9 kriteria penilaian, hasil perangkingan menunjukkan bahwa data alternatif A03 memperoleh nilai tertinggi, maka diputuskan bahwa A03 memiliki kinerja guru yang terbaik. Perancangan sistem yang dikembangkan dengan UML menghasilkan sistem penilaian kinerja guru. Penelitian ini bertujuan untuk membantu pihak sekolah dalam menentukan kinerja guru terbaik yang diolah secara sistematis oleh sistem. Saran dari pelaksanaan penelitian ini agar dapat meningkatkan keakuratan hasil perhitungan, disarankan untuk membandingkan hasil dengan metode berbasis DSS lainnya.
Co-Authors Ade Linhar P Alex Rikki Andreas, Kevin Antonius Siagian, Novriadi Baehaqi Barus, Paskalia Br Batubara, Muhammad Iqbal Br Ginting, Anirma Kandida Cristina Situmorang Efendi, Syahril Fernando, Juniko Frans Steven Pakpahan Frans, Paulina Gorat Ginting, Anirma Ginting, Anirma Kandinda Giovani, Aritonang Gracia Simatupang Harianja, Andy Paul Hasugian , Paska Marto Hulu, Setiani Hutauruk, Amelia Sanna Maria Lahagu, Marlinus Lahagu, Nicolas Elsada Lase, Marsindra Yanti Limbeng, Yuni br Lumbanbatu, Noperla Anjelisari LumbanBatu, Vio Br Maha, Yadi Limanta Mahyuddin K. M Nasution Manalu, Ester Manurung, Evaldo Maria Angelina Lubis Marmata, Sri Ulina Br Maruwahal Sijabat, Ramson Rikson Matondang, Zekson Aizona Meri Nova Marito Br Sipahutar Naibaho, Marcel Naibaho, Wirma Nainggolan, Kevin Marcho Napitupulu, Virzinia Nunes, Minaldinu Deyesus Purba, Ade Purba, Marta Rahmawati Rajagukguk, Jonatan Carlos riang, rya Ritonga, Margan Rizkiano Sagala, Lauren Patricia Sagala, Masdiana Saragih, Dea Ananda Sembiiring, Dia Alemisa br Sembiring, Brema Aprilta Sembiring, Dessianna Natalia Siagian, Novriadi Antonius SIBURIAN, MANANDA TURE Sihombing, Carlo Poda Boromeo Sihotang, Yuli Pitriani Br Silaban, Daniel Silalahi, Rasit Junaedi Simanjuntak, Richard Parlindungan Simbolon, Agustina Simbolon, Cantriya Simbolon, Yoel Sinaga, Elvis Lavenius sinaga, lotar mateus Sinaga, Rafael Grealdi Sirait, Juan Sebastian Siringoringo, Maysya Faiftin Sitanggang, Armando Agasi Sitanggang, Romualda Sitanggang, Roni Gabe Situmorang, Cristina Situmorang, Yudi Yohannes Sorang Pakpahan Surbakti, Efrans Tambunan, Dwito Julian Tambunan, Yosua Tampubolon, Amsal Tarigan, Jenheri Rejeki TONNI LIMBONG Tulus Pramita Sihaloho Zakarias Situmorang Zebua, Wilfred Raimond Zekson Matondang