Article Per Year (5 Year)
p-Index From 2020 - 2025
0.835
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer
Muslim Sinaga, Rizal
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Mechanical Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
IMPLEMENTASI ALGORITMA ANTRIAN PRIORITAS MENGGUNAKAN ARRAY DI PYTHON UNTUK SISTEM ANTRIAN LAYANAN DARURAT Evanthe, Hansel; Muslim Sinaga, Rizal; Putra Paskah Halawa, Sovantri; Audy Priscillia, Selfi; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12214

Abstract

Manajemen layanan darurat di rumah sakit sering menghadapi tantangan dalam mengelola antrean pasien secara efisien, terutama di Instalasi Gawat Darurat (IGD). Sistem antrian prioritas berbasis algoritma dan struktur data array di Python dikembangkan untuk meningkatkan efisiensi tersebut. Penelitian ini bertujuan merancang sistem berbasis array di phyton yang mampu mendistribusikan pasien sesuai tingkat urgensi menggunakan algoritma FIFO dan algoritma prioritas. Metode yang digunakan melibatkan pembuatan kelas dan antarmuka pengguna menggunakan pustaka Python Tkinter unuk membantu memasukkan pasien. Pengujian dilakukan melalui simulasi tiga skenario: pasien dengan prioritas acak, kedatangan pasien kritis berturut-turut, dan skala antrian besar. Hasil simulasi menunjukkan bahwa sistem mampu mengelola antrean dengan efisien, memberikan prioritas pada pasien kritis, dan menampilkan antrean real-time secara terstruktur. Namun, pada skenario skala besar, ditemukan jeda pemrosesan akibat tingginya beban data. Sistem ini dapat ditingkatkan dengan algoritma atau struktur data alternatif seperti heap atau tree untuk meningkatkan performa
IMPLEMENTASI CI/CD MENGGUNAKAN JENKINS PADA APLIKASI DI LINGKUNGAN PENGEMBANGAN FEDORA WORKSTATION 40 Muslim Sinaga, Rizal; Putra Paskah Halawa, Sovantri; Kiswanto, Dedy
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 1 (2025): JATI Vol. 9 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i1.12624

Abstract

Dalam pengembangan perangkat lunak, otomatisasi proses build, pengujian, dan deployment penting untuk meningkatkan efisiensi dan kualitas aplikasi. Continuous Integration (CI) dan Continuous Delivery (CD) adalah pendekatan populer untuk tujuan ini, dengan Jenkins sebagai alat utama. Penelitian ini mengimplementasikan CI/CD dengan Jenkins pada Fedora Workstation 40 untuk aplikasi web berbasis PHP. Metode eksperimen meliputi instalasi Fedora di VirtualBox, konfigurasi Jenkins dengan plugin seperti Pipeline, MySQL, dan GitHub, serta pembuatan aplikasi to-do list. Pengelolaan kode dilakukan dengan Git, di mana perubahan dilakukan secara lokal di Fedora menggunakan git add, git commit, dan git push untuk mengirim perubahan ke repositori GitHub. Setelah itu, Jenkins secara otomatis menjalankan pipeline untuk build, pengujian, dan deployment. Hasil penelitian menunjukkan waktu build rata-rata 3 detik, pengujian 5 detik, dan deployment 3 detik, dengan keberhasilan 100% pada build dan deploy, serta 95% pada pengujian. Pipeline yang diterapkan juga mendeteksi bug lebih awal, meningkatkan kualitas aplikasi. Penelitian ini memberikan kontribusi dalam penerapan CI/CD dengan Jenkins pada Fedora Workstation 40, mendukung pengembangan aplikasi PHP yang efisien dan berkelanjutan.
Pemanfaatan Teknik Machine Learning dalam Memprediksi Kepadatan Lalu Lintas Guna Efisiensi Transportasi Muslim Sinaga, Rizal; Rosyid Fauzan, Muhammad; Pratama, Ega; Rizki Alfahri , Muhammad; Saputra, Kana
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 2 (2025): Prosisko Vol. 12 No. 2 Juli 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/jt032w43

Abstract

Kemacetan lalu lintas di kota-kota besar semakin meningkat akibat pertumbuhan jumlah kendaraan yang tidak sebanding dengan kapasitas jalan. Kondisi ini berdampak pada peningkatan waktu perjalanan, polusi udara, serta risiko kecelakaan. Penelitian ini bertujuan untuk memprediksi tingkat kepadatan lalu lintas di Kota Medan menggunakan metode pembelajaran mesin. Tiga algoritma yang digunakan dalam penelitian ini adalah regresi linear, random forest, dan XGBoost. Data yang digunakan mencakup informasi lalu lintas dan cuaca yang diperoleh dari sumber terbuka. Tahapan penelitian meliputi eksplorasi data, pra-pemrosesan, rekayasa fitur, pelatihan model, dan evaluasi menggunakan beberapa metrik pengukuran kesalahan. Hasil penelitian menunjukkan bahwa algoritma Random Forest dengan penyesuaian parameter memiliki performa terbaik dibandingkan dengan algoritma lainnya. Model ini dapat digunakan sebagai alternatif dalam pengelolaan lalu lintas guna meningkatkan efisiensi mobilitas di kawasan perkotaan.
PENGEMBANGAN “LOOPA” ASISTEN PENGINGAT JADWAL PINTAR BERBASIS AI Muslim Sinaga, Rizal; Alby Savana HSB, Muhammad; Farezi, Nazwar; Azima Lubis, Fauzan; Perdana, Adidtya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13990

Abstract

Di era digital saat ini, manajemen waktu menjadi tantangan bagi banyak individu, terutama ketika sistem pengingat yang digunakan tidak mampu memahami bahasa alami pengguna. Masalah muncul ketika pengguna masih mengandalkan metode manual atau aplikasi kalender konvensional yang kurang efisien dalam menangkap kebutuhan berbasis teks alami. Penelitian ini bertujuan untuk mengembangkan Loopa, sebuah aplikasi web pintar berbasis AI yang dapat mengelola jadwal secara otomatis melalui pemahaman bahasa alami. Aplikasi ini dirancang menggunakan arsitektur client-server dengan Flask sebagai backend dan SQLite sebagai basis data, serta mengintegrasikan model NLP google/flan-t5-small yang telah di-fine-tune untuk memahami input jadwal berbentuk teks. Sistem ini juga dilengkapi fitur notifikasi otomatis menggunakan Twilio. Evaluasi model menunjukkan akurasi sebesar 62%, yang berarti sebagian besar input berhasil dipahami dengan benar, dan ROUGE-L sebesar 0,9596 yang menandakan tingkat kemiripan yang sangat tinggi antara hasil prediksi dan referensi. Hal ini menunjukkan bahwa Loopa mampu memahami konteks input dengan baik dan mengubahnya menjadi format terstruktur secara efektif.Aplikasi Loopa berhasil menunjukkan performa yang baik dalam mengubah input alami menjadi format terstruktur serta mengirimkan pengingat otomatis, sehingga dapat membantu pengguna dalam mengelola waktu secara lebih efisien dan cerdas.
EVALUASI PERBANDINGAN TEKNIK OVERSAMPLING TERHADAP KINERJA RANDOM FOREST DALAM MENDETEKSI TRANSAKSI HARI SPESIAL DI E-COMMERCE Muslim Sinaga, Rizal; Afrrahman S. Effendi, Ali; Latifah Hasibuan, Najwa; Asro Harahap, Fatimah; Ramadhani, Fanny
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.14156

Abstract

Perkembangan pesat e-commerce, khususnya pada event-event spesial seperti Harbolnas dan Black Friday, mengarah pada permasalahan ketidakseimbangan data dalam klasifikasi transaksi. Pada hari biasa, jumlah transaksi lebih banyak dibandingkan dengan hari spesial, yang menyebabkan model machine learning cenderung bias. Penelitian ini bertujuan untuk membandingkan teknik-teknik oversampling seperti Random Oversampling, SMOTE, ADASYN, dan Borderline-SMOTE untuk menyeimbangkan data dalam klasifikasi transaksi e-commerce. Metode yang digunakan dalam penelitian ini adalah pendekatan kuantitatif, di mana dataset transaksi e-commerce diproses dengan berbagai teknik oversampling untuk memperbaiki ketidakseimbangan kelas. Data yang telah diproses kemudian digunakan untuk pelatihan model klasifikasi dengan algoritma Random Forest. Evaluasi dilakukan dengan metrik Precision, Recall, dan F1-Score untuk mengukur kinerja model dalam mengklasifikasikan data yang telah disesuaikan. Hasil penelitian menunjukkan bahwa teknik SMOTE memberikan hasil yang lebih baik dalam meningkatkan keseimbangan antara Precision, Recall, dan F1-Score, dibandingkan dengan teknik oversampling lainnya. Penelitian ini menyarankan penggunaan teknik SMOTE untuk meningkatkan akurasi dalam klasifikasi transaksi e-commerce pada hari spesial
Co-Authors Adidtya Perdana, Adidtya Afrrahman S. Effendi, Ali Alby Savana HSB, Muhammad Asro Harahap, Fatimah Audy Priscillia, Selfi Azima Lubis, Fauzan Dedy Kiswanto Evanthe, Hansel Farezi, Nazwar Kana Saputra S Latifah Hasibuan, Najwa Pratama, Ega Putra Paskah Halawa, Sovantri Ramadhani, Fanny Rizki Alfahri , Muhammad Rosyid Fauzan, Muhammad