Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Journal of Artificial Intelligence and Digital Business Journal of Computer Science and Research
Lubis, Syaiful Rahman
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Library & Information Science

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

Found 4 Documents
Search

 1 
Implementasi Data Mining Menggunakan Algoritma Fp-Growth Untuk Menganalisa Pola Penjualan Barang Lubis, Syaiful Rahman; Syahril, Muhammad; Murniyanti, Sri
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 3 No. 5 (2024): Edisi September 2024
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v3i5.8017

Abstract

Membangun sebuah bisnis perusahaan penjualan barang sangat memerlukan penggunaan teknologi informasi, guna mendukung kelancaran penjualan produk-produk yang disediakan. Masalah yang terjadi adalah perusahaan kesulitan menentukan strategi penjualan dan persediaan di perusahaan yang mengakibatkan tingkat penjualan dinilai kurang maksimal. Pada saat ini CV. MITRA RIDGE masih memproses data penjualannya secara manual, sehingga ketersediaan data penjualan besar tidak dapat digunakan semaksimal mungkin. Perusahaan dituntut untuk menemukan suatu strategi yang dapat meningkatkan penjualan produk yang akan dijual. Salah satu cara yang dapat dilakukan untuk penentuan strategi penjualan barang adalah dengan menggunakan teknik data mining. Adapun metode yang digunakan dalam hal ini adalah algoritma Fp-Growth, yaitu sebuah algoritma yang menghasilkan frequent itemset yang nantinya akan digunakan dalam proses penentuan aturan yang dapat menghasilkan sebuah pilihan. Algoritma Fp-Growth merupakan pengembangan dari algoritma Apriori. Algoritma Fp-growth menggunakan konsep tree development dalam pencarian jenis produk yang sering dibeli (frequent itemset). Data yang digunakan yaitu 20 jenis barang dan 30 data transaksi. Pada penelitian ini ditentukan nilai minimum support sebesar 18% dan nilai minimum confidence sebesar 50%. Dari hasil pengujian yang dilakukan didapatkan beberapa aturan (rule) yang dijadikan acuan atau pola dalam membangun strategi penjualan maupun strategi persediaan yang lebih baik dimasa yang akan datang.
Analisis Pola Pembelian Konsumen Menggunakan Algoritma Apriori dan Hash-Based Prayogi, Dhimas; Novelan, Muhammad Syahputra; Lubis, Syaiful Rahman; Rizko, M. Azhari; Suteja, Ade Guna
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.497

Abstract

Penggunaan teknologi data mining telah menjadi aspek penting dalam meningkatkan efisiensi dan efektivitas pengelolaan data di berbagai sektor industri, termasuk di bidang kuliner seperti restoran. Penelitian ini bertujuan untuk mengimplementasikan algoritma Apriori dan teknik Hash-Based dalam proses pengolahan data transaksi penjualan.. Algoritma Apriori digunakan untuk menggali pola asosiasi dari data transaksi pelanggan, seperti kombinasi menu makanan dan minuman yang sering dibeli secara bersamaan. Sementara itu, teknik Hash-Based diterapkan untuk mengoptimalkan proses penyimpanan dan pencarian data agar lebih cepat dan hemat memori. Penelitian ini tidak hanya menjelaskan langkah-langkah implementasi dari kedua metode tersebut, tetapi juga mengevaluasi kinerjanya dari segi waktu proses dan kualitas aturan asosiasi yang dihasilkan. Dengan pengujian pada data transaksi nyata, hasil eksperimen menunjukkan bahwa pendekatan ini mampu meningkatkan efisiensi dalam pengolahan data serta menghasilkan informasi yang berguna dalam mendukung pengambilan keputusan strategis oleh manajemen rumah makan. Temuan ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan sistem informasi yang cerdas dan adaptif di bidang kuliner, sekaligus menjadi referensi bagi penelitian lanjutan yang ingin menggabungkan algoritma data mining untuk kebutuhan industri kecil dan menengah di era digital.
Optimalisasi Segmentasi Citra Digital Metode Canny Edge Detection dan Thresholding Prayogi, Dhimas; Lubis, Syaiful Rahman; Rizko, M. Azhari; Suteja, Ade Guna
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1613

Abstract

Pengolahan citra digital merupakan salah satu teknik penting dalam ekstraksi informasi visual. Penelitian ini bertujuan untuk menerapkan beberapa tahapan pengolahan citra seperti konversi grayscale, bilateral filter, deteksi tepi Canny, dan thresholding Otsu untuk meningkatkan kualitas visual dan segmentasi objek. Gambar berwarna awal dikonversi ke grayscale untuk menyederhanakan informasi intensitas. Selanjutnya, bilateral filter diterapkan untuk mengurangi noise sekaligus mempertahankan tepi objek. Setelah itu, metode Canny digunakan untuk mendeteksi kontur objek secara akurat. Tahap akhir adalah segmentasi menggunakan metode thresholding Otsu untuk memisahkan objek dari latar belakang secara biner. Hasil eksperimen menunjukkan bahwa tahapan ini dapat meningkatkan ketajaman tepi dan kejernihan objek utama pada gambar. Teknik ini sangat potensial untuk diterapkan dalam sistem klasifikasi objek, deteksi kualitas produk, serta aplikasi pertanian berbasis penglihatan komputer. Implementasi tahapan ini dapat menjadi landasan awal dalam pengembangan sistem analisis citra cerdas berbasis machine learning atau deep learning pada berbagai bidang terapan.
A Study on Implementation and Performance Analysis of Basic and Advanced Image Processing Techniques Using Python and OpenCV Lubis, Syaiful Rahman; Iqbal, Muhammad
Journal of Computer Science and Research (JoCoSiR) Vol. 2 No. 2 (2024): April: Computer Science
Publisher : Asosiasi Perguruan Tinggi Informatika dan Ilmu Komputer (APTIKOM) Provinsi Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65126/jocosir.v2i2.60

Abstract

Abstract— Digital image processing plays a crucial role in artificial intelligence and computer vision, with widespread applications in healthcare, agriculture, security, industry, and transportation. This research focuses on implementing both basic and advanced image processing methods using Python and the OpenCV library within a desktop application. The main problem addressed is the lack of an integrated, structured approach that bridges basic and advanced techniques, limiting users' comprehensive understanding of image processing workflows. The objective is to design a complete system that allows step-by-step processing, starting from grayscale conversion, binarization, arithmetic and logical operations, to convolution and morphological transformations such as Sobel edge detection and erosion. The proposed application utilizes Tkinter for the user interface, enabling users to upload images, apply various processing techniques, and analyze results interactively. The system also includes histogram visualization and equalization to enhance contrast. Findings show that the implemented methods effectively transform images in accordance with theoretical expectations, such as edge enhancement and shape simplification. The integration of these methods into a single, user-friendly platform supports both educational and applied uses. The contribution of this research lies in its practical demonstration of digital image processing techniques, providing a comprehensive and accessible reference for developers, researchers, and students. Despite its achievements, the system lacks advanced segmentation and real-time capabilities, which are suggested for future development through integration of adaptive methods and machine learning techniques.
Co-Authors Muhammad Iqbal Muhammad Syahputra Novelan Prayogi, Dhimas Rizko, M. Azhari Sri Murniyanti Suteja, Ade Guna Tengku Riza Zarzani N