Article Per Year (5 Year)
p-Index From 2020 - 2025
0.92
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP)
Japit, Susi
Unknown Affiliation
Computer Science & IT Library & Information Science Mathematics Social Sciences

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

Found 5 Documents
Search

 1 
Pemanfaatan Pandas, NumPy, Spark, dan TableauPower BI dalam Pengolahan dan Visualisasi Big Data untuk Mendukung Pengambilan Keputusan Japit, Susi; Risyani, Yeni; Bombongan, Conrad; Selamat, Tanda; Yuliana, Yuliana
Jurnal Minfo Polgan Vol. 14 No. 1 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i1.14762

Abstract

Perkembangan teknologi informasi menghasilkan volume data yang sangat besar, menuntut metode pengolahan dan analisis data yang efisien. Penelitian ini membahas peran empat alat utama dalam ekosistem data science: Pandas, NumPy, Apache Spark, Tableau, dan Power BI. Pandas dan NumPy digunakan untuk pengolahan data skala kecil hingga menengah, sedangkan Spark unggul dalam pemrosesan terdistribusi skala besar. Tableau dan Power BI digunakan untuk visualisasi data guna mendukung pengambilan keputusan. Hasil eksperimen menunjukkan bahwa Spark 30× lebih cepat dari Pandas pada dataset 100 ribu baris dan mampu menangani 10 juta baris, sementara Tableau lebih responsif dalam visualisasi interaktif. Integrasi alat-alat ini dapat meningkatkan efektivitas analisis data di berbagai sektor.
Masalah Value Trace untuk pembacaan koding dalam Bahasa Pemrograman C Risyani, Yeni; Japit, Susi; Selamat, Tanda
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13753

Abstract

Banyak universitas di seluruh dunia mengajarkan pemrograman C sebagai bahasa komputer pengantar. Oleh karena itu, sangat penting bagi siswa pemula untuk terlibat dalam pembacaan ekstensif kode sumber C sederhana untuk memahami prinsip-prinsip pemrograman. Namun, ada kekurangan alat yang dirancang dengan baik untuk mendukung pembelajaran membaca kode secara mandiri di rumah. Sebelumnya, kami telah memperkenalkan konsep value trace problem (VTP) untuk pemrograman Java, di mana setiap contoh VTP terdiri dari kode sumber, beberapa pertanyaan, dan jawaban yang benar. (Klabnik & Nichols, 2023) Pertanyaan-pertanyaan ini menanyakan tentang nilai variabel kritis atau pesan keluaran dalam kode sumber, dengan respons siswa yang langsung divalidasi melalui pencocokan string untuk belajar mandiri. Dalam makalah ini, kami memperkenalkan VTP untuk belajar mandiri membaca kode dalam pemrograman C. Kami membuat 42 contoh VTP berdasarkan kode sumber C langsung yang mencakup konsep tata bahasa dasar dan struktur data fundamental serta algoritma yang ditemukan dalam buku teks dan sumber daya online. Selain itu, untuk contoh kasus yang menantang yang melibatkan pointer dan algoritme yang rumit, kami menyertakan petunjuk, pertanyaan pilihan ganda, dan referensi untuk meningkatkan akurasi solusi. Untuk menilai pendekatan kami, kami meminta 49 mahasiswa S1 dari Jepang, Cina, dan Myanmar untuk menyelesaikan contoh-contoh ini secara mandiri di rumah. Tingkat akurasi rata-rata mereka adalah 94,29%, dengan fitur-fitur pendukung kami yang meningkatkan akurasi sebesar 33,26% pada kasus-kasus yang sulit. Dengan demikian, proposal kami secara efektif mendorong pembelajaran mandiri dalam pemrograman C di kalangan siswa pemula. (Aho et al., 2023)
Pelatihan Pembuatan Video dengan AI untuk Pemuda-Pemudi GPSI Medan Utara Risyani, Yeni; Japit, Susi; Bombongan, Conrad; Selamat, Tanda; Yuliana, Yuliana
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13813

Abstract

Teknologi kecerdasan buatan (AI) memungkinkan otomatisasi berbagai tahap dalam produksi video mulai dari konseptualisasi hingga penyuntingan akhir menjadi lebih cepat, efisien, berkualitas tinggi. AI telah mengubah cara konten dikembangkan dan disajikan kepada penonton dengan menghasilkan naskah berdasarkan analisis tren dan preferensi penonton, karena AI dapat membuat storyboard digital yang detail dan terstruktur, membuat voice-over yang realistis dengan musik latar yang dapat disesuaikan dengan tema dan suasana video. Kegiatan PKM ini adalah untuk membekali Komunitas Pemuda-Pemudi Gereja Pentakosta Sion Indonesia (GPSI) Wilayah Medan Utara dengan kemampuan untuk menggunakan tools AI seperti, Lexica_ai, D-ID ai, Remove_bg untuk menghasilkan video bagi berbagai platform distribusi, seperti YouTube, Instagram, Facebook, dll. Hasil PKM menunjukkan bahwa ketrampilan dan pemahaman Komunitas Pemuda-Pemudi Gereja Pentakosta Sion Indonesia (GPSI) Wilayah Medan Utara terhadap penggunaan tools Ai, Lexica_ai, D-ID ai, Remove_bg dalam pembuatan video konten meningkatkan efisiensi dan kecepatan produksi, kualitas dan daya tarik konten serta menciptakan video yang lebih kreatif, relevan untuk memberikan pengalaman menonton yang lebih kaya dan interaktif bagi penonton.
Deteksi Anomali Transaksi E-Commerce Menggunakan Support Vector Machine Berbasis Data Mining Japit, Susi; Risyani, Yeni; Selamat, Tanda; Bombongan, Conrad; Yuliana, Yuliana
Jurnal Minfo Polgan Vol. 13 No. 2 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i2.14325

Abstract

Dalam era digital yang semakin berkembang, e-commerce telah menjadi salah satu sektor penting dalam transaksi ekonomi. Namun, peningkatan transaksi juga diiringi oleh risiko terjadinya anomali, seperti penipuan dan aktivitas tidak wajar lainnya, yang dapat merugikan perusahaan dan konsumen. Penelitian ini bertujuan untuk mendeteksi anomali transaksi pada platform e-commerce menggunakan metode Support Vector Machine (SVM) berbasis data mining. Data yang digunakan terdiri atas dataset transaksi e-commerce yang mencakup atribut seperti nilai transaksi, waktu, lokasi, dan pola perilaku pengguna. Proses penelitian melibatkan preprocessing data, ekstraksi fitur, dan penerapan SVM untuk klasifikasi data normal dan anomali. Hasil evaluasi menunjukkan bahwa metode SVM mampu mencapai akurasi deteksi yang tinggi dengan tingkat false positive yang minimal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem keamanan pada e-commerce, sekaligus mendukung keberlanjutan operasional platform digital secara lebih aman dan efisien.
Sistem Keamanan Siber Adaptif Berbasis AI: Analisis Kinerja, Arsitektur, dan Penerapannya pada Organisasi Modern Risyani, Yeni; Japit, Susi; Bombongan, Conrad; Selamat, Tanda; Yuliana, Yuliana
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.v14i2.15630

Abstract

Perkembangan teknologi digital telah meningkatkan kompleksitas ancaman siber sehingga menuntut organisasi untuk mengadopsi pendekatan keamanan yang lebih cerdas, adaptif, dan otomatis. Sistem keamanan tradisional berbasis signature terbukti tidak lagi memadai dalam menghadapi serangan zero-day, APT (Advanced Persistent Threat), serta taktik penyerang yang kini semakin dinamis. Teknologi kecerdasan buatan (Artificial Intelligence/AI) menjadi salah satu komponen utama dalam membangun sistem keamanan siber generasi berikutnya karena kemampuannya dalam menganalisis pola, memproses data volume besar, serta melakukan deteksi anomali secara real-time. Penelitian ini mengkaji arsitektur sistem keamanan siber adaptif berbasis AI, mengevaluasi kinerjanya berdasarkan metrik akurasi, recall, dan tingkat deteksi ancaman, serta menilai penerapannya pada organisasi modern. Metodologi penelitian mencakup studi literatur, analisis arsitektur teknis, dan evaluasi komparatif antara tiga pendekatan keamanan: signature-based, machine learning–based intrusion detection, dan sistem AI adaptif. Hasil analisis menunjukkan bahwa pendekatan AI adaptif memberikan peningkatan performa yang signifikan dengan akurasi deteksi mencapai 96%, recall 94%, dan tingkat deteksi ancaman sebesar 97%. Dengan kemampuan self-learning, sistem AI adaptif mampu secara otomatis menyesuaikan aturan deteksi serta merespons serangan baru tanpa intervensi manusia. Studi ini menekankan pentingnya integrasi pipeline data, model pembelajaran mesin, modul adaptasi, serta orkestrasi respons otomatis untuk mendapatkan sistem keamanan yang holistik dan kuat. Penelitian ini berkontribusi pada pengembangan kerangka arsitektur keamanan modern yang relevan untuk penerapan di sektor pemerintahan, perbankan, manufaktur, hingga layanan kesehatan.
Co-Authors Bombongan, Conrad Selamat, Tanda Yeni Risyani Yuliana Yuliana