Article Per Year (5 Year)
p-Index From 2021 - 2026
5.821
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 Minfo Polgan (JMP) 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) Journal of Digital Business and Data Science 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 Library & Information Science Mathematics Medicine & Pharmacology Physics Public Health Social Sciences Transportation Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Penguatan Kompetensi Jaringan Fiber Optik bagi Siswa SMK SWASTA YAPIM BIRU BIRU dalam Rangka Persiapan Praktik Kerja Industri Sinaga, Lotar Mateus; Sipayung, Sardo Pardingotan; Ginting, Anirma Kandinda; Harianja, Andy Paul
ULEAD : Jurnal E-Pengabdian Volume 5 Nomor 1 Juli 2025
Publisher : Fakultas Ilmu Komputer, Universitas Katolik Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/ulead.v5i1.5167

Abstract

Student readiness for Industrial Work Practice (Prakerin) is a crucial component of vocational education, particularly in the Computer and Network Engineering (TKJ) program. This study aims to enhance the technical competence of students at SMK Swasta YAPIM Biru-Biru in the field of fiber optic networking, a key technology widely adopted in the networking and telecommunications industries. The competency strengthening program was conducted through intensive training covering theoretical foundations of fiber optics, installation practices, splicing techniques, testing procedures, and basic maintenance. Evaluation methods included pre-tests, post-tests, and observation of students' practical skills. The results showed a significant improvement in both conceptual understanding and hands-on abilities following the training. This program is expected to equip students with the confidence and technical proficiency required to undertake their industrial work practice successfully. Furthermore, this initiative reflects a strong synergy between educational institutions and the industry in preparing skilled vocational graduates who are responsive to technological advancements.
SIMULASI DAN PERBANDINGAN KINERJA OSPF DAN EIGRP PADA TOPOLOGI HYBRID (STAR DAN MESH) DI CISCO PACKET TRACER Naibaho, Marcel; Sirait, Juan Sebastian; Tambunan, Yosua; Situmorang, Yudi Yohannes; Limbeng, Yuni br; Sipayung, Sardo Pardingotan
Jurnal Inkofar Vol 9, No 1 (2025)
Publisher : Politeknik META Industri Cikarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46846/jurnalinkofar.v9i1.468

Abstract

This research discusses the simulation and comparison of OSPF and EIGRP performance on hybrid topology (star and mesh) in Cisco Packet Tracer. The main objective of this research is to compare delivery time and routing efficiency on the performance of OSPF and EIGRP routing protocols on hybrid network topologies (star and mesh) using Cisco Packet Tracer. The research was conducted by dividing the IP address on each network and simulating data transmission with sizes of 400 bits, 800 bits, and 1200 bits. The results of this study show the comparison of the difference in delivery time between OSPF and EIGRP protocols is 0.0026 seconds with a packet size of 400 bits, 0.003 seconds with a packet size of 800 bits and 0.00317 seconds with a packet size of 1200 bits with EIGRP is superior to OSPF with a ratio of 3:0. With these results, EIGRP performance is slightly better than OSPF performance in terms of delivery time.
Penerapan Algoritma A* untuk Penentuan Jalur Terpendek dari Kecamatan Medan Selayang ke Deli Park Mall, Medan Tampubolon, Amsal; Nainggolan, Kevin Marcho; Andreas, Kevin; Rajagukguk, Jonatan Carlos; Sipayung, Sardo Pardingotan
sudo Jurnal Teknik Informatika Vol. 4 No. 2 (2025): Edisi Juni
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i2.1008

Abstract

Penentuan jalur terpendek merupakan aspek krusial dalam sistem navigasi modern, khususnya di kota besar dengan tingkat kepadatan lalu lintas tinggi seperti Medan. Penelitian ini bertujuan untuk menerapkan algoritma A* dalam menentukan rute tercepat dari Kecamatan Medan Selayang ke Deli Park Mall, Medan, dengan menggunakan data jaringan jalan aktual yang diperoleh secara manual dari Google Maps. Pendekatan graf manual ini merupakan fitur pembeda penting dari penelitian ini karena memberikan kontrol penuh terhadap struktur graf dan memastikan akurasi data lokal yang tidak tersedia dalam dataset otomatis seperti OpenStreetMap, sehingga lebih sesuai untuk konteks geografis spesifik Medan. Graf jaringan jalan dimodelkan sebagai graf berbobot menggunakan bahasa pemrograman Python, di mana simpul merepresentasikan titik lokasi dan sisi merepresentasikan jarak antar titik. Algoritma A* dipilih karena kemampuannya menggabungkan biaya aktual (g(n)) dan estimasi heuristik (h(n)) sehingga pencarian menjadi lebih efisien dibandingkan algoritma konvensional. Hasil penelitian menunjukkan bahwa algoritma A* berhasil menentukan rute optimal sepanjang 8,9 km melalui jalur A-B-C-D-E-F-G-H-I-J-K-L, dan dieksekusi dalam waktu lebih cepat dibanding algoritma Dijkstra dengan selisih waktu 0,05 detik. Rute tersebut divisualisasikan menggunakan graf untuk mendukung analisis spasial. Penelitian ini diharapkan dapat menjadi dasar pengembangan sistem navigasi berbasis graf pada konteks lokal dengan pendekatan metodologi yang dapat direplikasi untuk kota-kota besar lainnya di Indonesia.
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.
Analisa Algoritma C.45 Terhadap penentuan Rekomendasi Penerima Beasiswa SMP Swasta Methodist-8 Medan Sipayung, Sardo Pardingotan; Sihaloho, Tulus Pramita; Purba, Ade; Tarigan, Jenheri Rejeki
LOFIAN: Jurnal Teknologi Informasi dan Komunikasi Vol 3 No 1 (2023): Agustus
Publisher : Universitas Mandiri Bina Prestasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58918/lofian.v3i1.217

Abstract

Scholarships are financial assistance with the intention to be used as a means of continuing education that is taken and is usually given by foundations, companies and government agencies. Scholarships in the form of funds used to help underprivileged students in continuing their task of completing education. Therefore the scholarship must be on target to the recipient who is truly feasible and deserves to get it. The number of prospective recipients makes the selection process take a long time. In this case the use of data mining methods can be used as a solution to facilitate the selection process. The C4.5 algorithm is an algorithm that will be used in this study. The data used are the names of students, classes, parents' income, dependents of parents, and the average report card value. Data mining processing on a training data will produce a decision tree. The evaluation method carried out in this test was obtained by the accuracy value of 93.33 %, this could be proof that the C4.5 algorithm was accurate enough to provide scholarship recommendations.
Penerapan Metode Decision Tree untuk Memprediksi Dampak Kesehatan Akibat Penggunaan Gadget Lumbanbatu, Noperla Anjelisari; Maha, Yadi Limanta; Sipayung, Sardo Pardingotan
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5787

Abstract

Perkembangan teknologi informasi dan komunikasi yang semakin pesat telah mendorong peningkatan penggunaan gadget seperti smartphone, tablet, dan laptop dalam berbagai aktivitas kehidupan sehari-hari, mulai dari komunikasi, pekerjaan, pendidikan, hingga hiburan. Meskipun memberikan banyak kemudahan, penggunaan gadget dengan intensitas tinggi dan durasi yang panjang berpotensi menimbulkan berbagai dampak negatif terhadap kesehatan fisik maupun mental pengguna. Oleh karena itu, diperlukan suatu pendekatan berbasis data untuk menganalisis serta memprediksi tingkat dampak kesehatan akibat penggunaan gadget secara objektif dan sistematis. Penelitian ini bertujuan untuk menganalisis dan memprediksi dampak kesehatan pengguna gadget menggunakan algoritma Decision Tree. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik data mining. Data yang digunakan merupakan data sekunder yang diperoleh dari platform Kaggle, yang mencakup beberapa variabel penting, yaitu usia, jenis kelamin, pekerjaan, mode kerja, dan durasi penggunaan layar harian. Proses klasifikasi dilakukan dengan membangun model Decision Tree berdasarkan perhitungan nilai entropy dan Information Gain untuk menentukan atribut yang paling berpengaruh dalam proses pengambilan keputusan. Hasil penelitian menunjukkan bahwa atribut mode kerja (work mode) merupakan faktor paling dominan dalam menentukan tingkat dampak kesehatan pengguna gadget, diikuti oleh durasi penggunaan layar serta karakteristik individu lainnya. Model Decision Tree yang dihasilkan mampu mengklasifikasikan dampak kesehatan ke dalam dua kategori, yaitu Low dan Good, dengan aturan keputusan yang jelas dan mudah dipahami. Penelitian ini menyimpulkan bahwa intensitas penggunaan gadget dan karakteristik pengguna memiliki pengaruh signifikan terhadap kondisi kesehatan, sehingga pengelolaan penggunaan gadget secara bijak sangat diperlukan untuk meminimalkan risiko dampak kesehatan yang merugikan.
Pengelompokan Mahasiswa Berdasarkan Nilai dan Kehadiran Menggunakan K-Means Simanjuntak, Theresya; Gulo, Jelita Astrid; Sipayung, Sardo Pardingotan; Hia, Hikmat Pengertian
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15812

Abstract

Pengelompokan mahasiswa berdasarkan kinerja akademik diperlukan untuk mendukung pengambilan keputusan dalam program bimbingan akademik yang lebih targeted. Penelitian ini mengimplementasikan algoritma K-Means Clustering untuk mengelompokkan mahasiswa berdasarkan nilai akademik dan tingkat kehadiran. Dataset terdiri dari 50 sampel mahasiswa dengan atribut nilai dan persentase kehadiran dalam rentang 0-100. Penentuan jumlah cluster optimal menggunakan Elbow Method dan Silhouette Score dengan variasi nilai K dari 2 hingga 6. Hasil eksperimen menunjukkan K=3 menghasilkan pemisahan optimal dengan Silhouette Score tertinggi 0.72 dan WCSS 8,230. Tiga cluster yang terbentuk merepresentasikan mahasiswa berprestasi tinggi (30%), berkinerja sedang (40%), dan memerlukan perhatian khusus (30%). Algoritma konvergen dalam rata-rata 8-12 iterasi dengan konsistensi 90% pada multiple runs. Analisis korelasi menunjukkan hubungan sangat kuat antara nilai dan kehadiran (r=0.89). Sistem visualisasi interaktif dikembangkan menggunakan React.js dan Recharts untuk memudahkan interpretasi hasil. Penelitian ini memberikan kontribusi praktis berupa framework clustering untuk identifikasi early warning mahasiswa berisiko dan rekomendasi program intervensi akademik.
Analisis Pola Cuaca di Provinsi Sumatera Utara Menggunakan Metode Clustering K-Means manalu, ester; Surbakti, Efrans; Sipayung, Sardo Pardingotan
Jurnal Ilmu Komputer dan Informatika | E-ISSN : 3063-9026 Vol. 2 No. 3 (2026): Januari - Maret
Publisher : GLOBAL SCIENTS PUBLISHER

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

Abstract

Weather is an important factor that influences various sectors of life, such as agriculture, transportation, and community activities. North Sumatra Province has diverse weather characteristics due to differences in geographical conditions; therefore, analytical methods are required to identify weather patterns based on historical data. This study aims to analyze weather patterns in North Sumatra Province using the K-Means clustering method. The data used consist of 50 daily weather records, including air temperature, humidity, and rainfall parameters.The research stages include data collection, data preprocessing, determination of the number of clusters, implementation of the K-Means algorithm, and analysis of the clustering results. The number of clusters used is K = 3 to represent different weather patterns. The clustering results indicate that the cluster representing clear to partly cloudy weather with low rainfall is the dominant cluster, accounting for 40% of the data, followed by the cluster representing humid weather with relatively lower temperatures at 36%, and the cluster representing rainy weather with high humidity at 24%. These results demonstrate that the K-Means algorithm can effectively group weather data based on the similarity of their characteristics. The information generated is expected to support decision-making related to activity planning and weather analysis in North Sumatra Province.
Analisis Pengelompokan Minat Belajar Mahasiswa Menggunakan Algoritma K-Means simbolon, yoel; Giovani, Aritonang; Sipayung, Sardo Pardingotan
Jurnal Ilmu Komputer dan Informatika | E-ISSN : 3063-9026 Vol. 2 No. 3 (2026): Januari - Maret
Publisher : GLOBAL SCIENTS PUBLISHER

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

Abstract

One of the main elements affecting students' academic success in higher education is their interest in learning. However, direct observation is frequently used to subjectively identify differences in students' learning interests, which could result in inaccurate assessments. Therefore, in order to objectively classify students according to their learning characteristics, a data-driven approach is needed. The purpose of this study is to analyze and categorize students' learning interest levels using the K-Means clustering algorithm. Thirty university students filled out a learning interest questionnaire with a Likert scale of 1 to 5. Attendance at lectures, classroom activity, timely completion of assignments, level of independent study, and interest in the course are among the variables examined. Three clusters—representing high, medium, and low learning interest levels—were created using the K-Means algorithm. Based on the final cluster centroids, the results show that the K-Means algorithm successfully divided the students into three clusters: 11 students with high learning interest, 12 students with moderate learning interest, and 7 students with low learning interest. These results offer an unbiased summary of students' learning environments and can be used as a foundation for creating more focused and efficient teaching methods in higher education.
Klasifikasi Tingkat Dampak Banjir Di Provinsi Sumatra Utara Menggunakan Algoritma K-Nearest Neighbor(Knn) riang, rya; Sembiiring, Dia Alemisa br; Sipayung, Sardo Pardingotan
Jurnal Ilmu Komputer dan Teknik Informatika Vol. 2 No. 1 (2026): Januari 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/juikti.v2i1.103

Abstract

Banjir merupakan salah satu bencana alam yang perlu diwaspadai karena dapat menimbulkan dampak yang signifikan terhadap masyarakat, baik berupa kerusakan infrastruktur maupun korban jiwa. Badan Nasional Penanggulangan Bencana (BNPB) dan Badan Penanggulangan Bencana Daerah (BPBD) berperan dalam menghimpun dan menyediakan data kejadian banjir sebagai dasar pengambilan keputusan dalam penanggulangan bencana. Penelitian ini bertujuan untuk mengklasifikasikan tingkat dampak banjir di Provinsi Sumatera Utara menggunakan metode data mining dengan pendekatan klasifikasi. Dataset yang digunakan merupakan data dampak banjir yang diperoleh dari BNPB dan BPBD Provinsi Sumatera Utara, yang meliputi jumlah rumah rusak, jumlah pengungsi, jumlah korban meninggal, jumlah korban hilang, serta jumlah fasilitas umum yang mengalami kerusakan. Proses data mining dilakukan mengikuti tahapan Knowledge Discovery in Databases (KDD), yang meliputi seleksi data, praproses data, normalisasi, proses klasifikasi, dan evaluasi hasil. Algoritma yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN). Pengolahan dan pengujian data dilakukan menggunakan perangkat lunak RapidMiner. Hasil pengujian menunjukkan bahwa algoritma KNN mampu mengklasifikasikan tingkat dampak banjir ke dalam tiga kelas, yaitu rendah, sedang, dan tinggi, dengan tingkat akurasi terbaik sebesar 89,47%. Hasil penelitian ini menunjukkan bahwa algoritma KNN cukup efektif digunakan dalam klasifikasi tingkat dampak banjir di Provinsi Sumatera Utara berdasarkan data dampak bencana.
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 Gaol, Sasmita Lumban Garingging, Cesia Trisani Saragih Ginting, Anirma Ginting, Anirma Kandinda Giovani, Aritonang Girsang, Jahanra Gracia Simatupang Gulo, Jelita Astrid Harianja, Andy Paul Hasugian , Paska Marto Hia, Hikmat Pengertian Hulu, Setiani Hutauruk, Amelia Sanna Maria Lahagu, Marlinus Lahagu, Nicolas Elsada Lase, Marsindra Yanti Limbeng, Yuni br Lubis, Maria Angelina Lumban Gaol, Fortina Lumbanbatu, Noperla Anjelisari LumbanBatu, Vio Br Maha, Yadi Limanta Mahyuddin K. M Nasution Manalu, Ester Manurung, Evaldo Manurung, Saut 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 Panggabean, Jusnan Pasaribu, Adri Purba, Ade Purba, Jhonatan Purba, Marta Rahmawati Rajagukguk, Jonatan Carlos riang, rya Ricardo, Erich Ritonga, Margan Rizkiano Sagala, Lauren Patricia Sagala, Masdiana Saragih, Dea Ananda Sembiiring, Dia Alemisa br Sembiring, Boy Mountavani Sembiring, Brema Aprilta Sembiring, Dessianna Natalia Siagian, Novriadi Antonius Sianturi, Firman Torino SIBURIAN, MANANDA TURE Sihombing, Carlo Poda Boromeo Sihotang, Yuli Pitriani Br Silaban, Daniel Silalahi, Rasit Junaedi Simanjuntak, Richard Parlindungan Simanjuntak, Theresya Simbolon, Agustina Simbolon, Cantriya Simbolon, Daniel S. 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, Albert Julio Tampubolon, Amsal Tarigan, Jenheri Rejeki TONNI LIMBONG Tulus Pramita Sihaloho Zakarias Situmorang Zebua, Wilfred Raimond Zekson Matondang