Article Per Year (5 Year)
p-Index From 2020 - 2025
0.751
P-Index
This Author published in this journals
All Journal bit-Tech International Journal of Basic and Applied Science Jurnal Ilmiah Sistem Informasi
Simbolon, Agata Putri Handayani
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Physics

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

Found 4 Documents
Search

 1 
Implementasi Sistem Pengelolaan Pesanan Menu Restoran Berbasis Stack dan Queue Simbolon, Agata Putri Handayani; Sagala, Khairul Fahmi; Tanjung, Muhammad Raffi Akbar; Zai, Tri Sapta Warman; Ramadhani, Fanny
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1867

Abstract

Di industri restoran, memiliki sistem pengelolaan pesanan yang efisien sangat penting untuk meningkatkan kualitas layanan dan kepuasan pelanggan. Namun, sebagian besar restoran masih bergantung pada metode manual yang sering kali menyebabkan masalah, seperti antrian yang tidak teratur, kesalahan pencatatan, dan kesulitan dalam melacak riwayat pesanan, terutama pada volume pelanggan yang tinggi. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengelolaan pesanan yang berbasis struktur data stack dan queue. Sistem ini menggunakan metode FIFO pada queue untuk memastikan pesanan diproses secara berurutan sesuai urutan kedatangan, sementara stack berfungsi untuk menyimpan dan menampilkan riwayat pesanan yang sudah selesai diproses. Pengembangan sistem dilakukan dengan pendekatan waterfall yang meliputi analisis kebutuhan, desain sistem menggunakan diagram UML, implementasi dengan Python, dan pengujian sistem untuk memastikan semua fungsionalitas bekerja dengan baik. Hasil penelitian menunjukkan bahwa sistem ini dapat mengelola alur pemesanan dengan lebih terorganisir, mempercepat proses layanan, mengurangi kesalahan, dan meningkatkan kepuasan pelanggan. Selain itu, sistem ini memungkinkan staf restoran untuk dengan mudah mengakses riwayat pesanan yang sudah diproses. Secara keseluruhan, penelitian ini menyimpulkan bahwa penerapan struktur data stack dan queue menawarkan solusi yang efektif dan efisien dalam pengelolaan pesanan restoran. Penelitian lanjutan dapat fokus pada integrasi sistem dengan database eksternal untuk meningkatkan skalabilitas dan mendukung operasi restoran dengan lebih banyak pelanggan.
Advancing Decision-Making: AI-Driven Optimization Models for Complex Systems Sihotang, Hengki Tamando; Sihotang, Jonhariono; Simbolon, Agata Putri Handayani; Panjaitan, Firta Sari; Simbolon, Roma Sinta
International Journal of Basic and Applied Science Vol. 13 No. 3 (2024): Dec: Optimization and Artificial Intelligence
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/ijobas.v13i3.581

Abstract

Effective decision-making in complex systems requires optimization models that balance multiple competing objectives, such as cost efficiency, time constraints, and adaptability to dynamic environments. This research proposes an AI-driven optimization model utilizing the Pareto optimization algorithm to enhance decision-making accuracy and system resilience. The model was tested in a logistics scenario, demonstrating a 10% reduction in operational costs and a 36% decrease in time deviations while improving adaptability to real-time disruptions. Unlike traditional static models, the proposed framework dynamically adjusts to external factors, optimizing resource allocation and route planning in real-world conditions. The findings highlight the model’s capability to bridge the gap between theoretical AI advancements and practical applications in industries such as supply chain management, urban transportation, and disaster response logistics. While computational requirements and data availability pose challenges, future research should explore computational efficiency enhancements, broader industry applications, and sustainability integration. This study contributes to the advancement of AI-based multi-objective optimization, providing a scalable and adaptable solution for complex decision-making in dynamic environments
Early warning systems for financial distress: A machine learning approach to corporate risk mitigation Judijanto, Loso; Sihotang, Jonhariono; Simbolon, Agata Putri Handayani
International Journal of Basic and Applied Science Vol. 13 No. 1 (2024): June: Basic and Aplied Science
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/ijobas.v13i1.470

Abstract

This research explores the development of an early warning system for corporate financial distress using machine learning techniques to address key challenges in corporate risk mitigation. The main objective is to enhance predictive accuracy by integrating financial and non-financial data, addressing class imbalance, and ensuring model interpretability. The research design involves the formulation of a new machine learning model, leveraging cost-sensitive learning and feature selection, and is tested with a numerical example using logistic regression. Methodologically, the study adopts a data-driven approach that incorporates diverse financial ratios, macroeconomic variables, and market sentiment indicators to predict corporate distress. The numerical results from a basic logistic regression model demonstrate poor performance, especially in handling class imbalance, revealing limitations in traditional statistical models. However, the research suggests that machine learning methods, particularly ensemble learning with cost-sensitive algorithms, offer superior predictive accuracy and practical applicability. The study concludes that integrating advanced techniques and diverse datasets leads to more reliable early warning systems, with significant implications for corporate governance and financial risk management. Future research should explore more sophisticated machine learning models and extend real-world applications across various industries and economic conditions.
Development of the Andana Mobile Application: An Interactive Japanese Language Learning Platform Using Flutter and Firebase Halawa, Sovantri Putra Paskah; Sinaga, Rizal Muslim; Simbolon, Agata Putri Handayani; Priscilia, Selfi Audy; Perdana, Adidtya
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/0m972c26

Abstract

Peningkatan minat masyarakat Indonesia terhadap bahasa Jepang mendorong kebutuhan akan media pembelajaran yang lebih interaktif dan fleksibel. Namun, banyak aplikasi yang tersedia masih terbatas pada penyajian materi tanpa sistem progres belajar yang adaptif. Penelitian ini bertujuan untuk mengembangkan aplikasi mobile “Andana” sebagai platform pembelajaran bahasa Jepang interaktif berbasis Flutter dan Firebase. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan software engineering. Proses pengembangan mencakup analisis kebutuhan, perancangan sistem, implementasi, dan pengujian fungsional. Data penelitian bersumber dari hasil uji coba fungsionalitas dan evaluasi performa aplikasi oleh pengguna. Aplikasi Andana dirancang dengan dua peran utama, yaitu pengguna dan admin, serta dilengkapi fitur pembelajaran berbasis multimedia (PDF, video, audio), flashcard, latihan mendengarkan, berbicara, dan sistem catatan pribadi. Hasil penelitian menunjukkan bahwa seluruh fungsi aplikasi berjalan dengan baik, dengan sinkronisasi data real-time dan tampilan antarmuka yang responsif. Integrasi antara Flutter dan Firebase terbukti mendukung pengelolaan data pengguna dan pembaruan konten secara dinamis. Kontribusi penelitian ini terletak pada pengembangan model aplikasi pembelajaran berbasis cloud yang adaptif dan mudah dikembangkan. Implikasinya, aplikasi Andana berpotensi menjadi media belajar bahasa Jepang yang efisien, menarik, serta dapat diadaptasi untuk bahasa asing lainnya di masa mendatang.
Co-Authors Adidtya Perdana, Adidtya Halawa, Sovantri Putra Paskah Hengki Tamando Sihotang Judijanto, Loso Panjaitan, Firta Sari Priscilia, Selfi Audy Ramadhani, Fanny Sagala, Khairul Fahmi Sihotang, Jonhariono Simbolon, Roma Sinta Sinaga, Rizal Muslim Tanjung, Muhammad Raffi Akbar Zai, Tri Sapta Warman