Claim Missing Document
Check
Articles

Found 5 Documents
Search

Implementasi Jaringan Syaraf Tiruan Dalam Klasifikasi Citra Medis simanjorang, Relima Mahdalena; Amran Sitohang; Abdi Sembiring; Sartika Simanjorang
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 24 No 1 (2025): Februari 2025
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v24i1.10690

Abstract

Kanker otak adalah jenis kanker yang sangat menakutkan dan mematikan, yang dapat sangat mempengaruhi kualitas hidup penderitanya. Untuk meningkatkan peluang pengobatan yang efektif, penting sekali melakukan diagnosis sejak dini dan dengan cara yang tepat. Namun, proses diagnosis kanker otak seringkali rumit dan membutuhkan keahlian khusus dari para ahli radiologi. Karena itu, teknologi pembelajaran mesin, khususnya jaringan syaraf tiruan (JST), memiliki potensi besar untuk membantu dalam proses klasifikasi citra medis. Salah satu model JST yang sangat berguna adalah Convolutional Neural Networks (CNN), yang sudah terbukti efektif dalam mengenali pola-pola kompleks dalam gambar. Model ini dapat dilatih untuk mengidentifikasi ciri-ciri tumor otak, sehingga diagnosis dapat dilakukan lebih cepat dan akurat. Tujuan penelitian ini adalah untuk mengembangkan aplikasi JST dalam mengklasifikasi citra medis
Application of Linear Regression Method in Predicting Chicken Egg Sales Amran Sitohang; Neramayana Br Tarigan; Lira Virna; Allya Dwi Cantika
Jurnal Info Sains : Informatika dan Sains Vol. 15 No. 01 (2025): Informatika dan Sains , 2025
Publisher : SEAN Institute

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

Abstract

This study aims to predict chicken egg sales using a simple linear regression method based on historical sales data for 12 months, from April 2024 to March 2025. This study uses a quantitative approach with a longitudinal study design. The total sampling technique is used because all monthly sales data is analyzed without exception. Data was collected through sales report documentation from a single egg distributor business unit that operated consistently during the study period. Data analysis was carried out through a preprocessing process, calculation of variable values X (month), Y (sales), and calculation of XY and XX to obtain regression coefficients. The results of the calculation show that the linear regression equation obtained is Y=150.1515233− 6.24126X. This shows that there is an average decrease in sales of 6.24 egg boards every month. Furthermore, this regression model is used to predict chicken egg sales in the period April 2025 to March 2026. The predicted results show a continued downward trend, with sales projected to decline drastically to near zero by March 2026. The conclusion of this study is that there is a downward trend in chicken egg sales during the two years of observation. These results provide an early warning for business actors to evaluate business strategies and take anticipatory steps. This research also opens up opportunities for further study of external factors that may affect sales.
Pengembangan Sistem Pakar Untuk Rekomendasi Pupuk dan Irigasi Berdasarkan Analisis Kesuburan Tanah R. Mahdalena Simanjorang; Agustina Simangunsong; Amran Sitohang; Josua Lumban Tobing; Sartika Simanjorang
Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026
Publisher : STMIK Triguna Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jursi.v5i1.12474

Abstract

Saat ini bidang pertanian seringkali diperhadapkan dengan tantangan terhadap peningkatan produktivitas secara efektif dengan tujuan agar tetap terjaga kualitas dan keberlanjutan lingkungan. Adapun faktor utama yang mempengaruhi hasil pertanian adalah terkait dengan kesuburan tanah dan ketersediaan air. Adapun permasalahan yang sering dihadapi para petani adalah penggunaan pupuk dan sistem irigasi yang tidak tepat sehingga menyebabkan degradasi tanah, pencemaran lingkungan, serta peningkatan biaya operasional. Sehingga diperlukan sebuah solusi yang tepat yang dapat memberikan rekomendasi optimal terkait pemupukan dan irigasi berdasarkan analisis kesuburan tanah.Urgensi dari penelitian ini adalah menjadi hal yang sangat penting dikarenakan pada penelitian ini dibuat dengan tujuan mengembangkan sistem pakar yang mampu memberikan rekomendasi pupuk dan irigasi berdasarkan parameter kesuburan tanah, seperti pH, kandungan nitrogen, fosfor, kalium, dan kelembaban tanah. Sistem ini akan menggunakan metode logika fuzzy untuk menangani ketidakpastian dalam data tanah serta basis aturan (rule-based system) yang disusun berdasarkan pengetahuan pakar dan data penelitian sebelumnya. Metode penelitian meliputi tahapan pengumpulan data kesuburan tanah, wawancara dengan pakar pertanian, perancangan sistem pakar menggunakan teknik fuzzy inference system (FIS), serta pengujian dan validasi sistem terhadap hasil rekomendasi yang diberikan. Pengujian akan dilakukan dengan membandingkan rekomendasi sistem terhadap rekomendasi pakar secara manual guna mengukur akurasi dan efektivitas sistem. Luaran yang ditargetkan dari penelitian ini meliputi prototype sistem pakar berbasis web, Dengan adanya sistem ini, diharapkan efisiensi penggunaan pupuk dan air meningkat, biaya produksi berkurang, serta produktivitas pertanian dapat ditingkatkan secara berkelanjutan.
Penerapan Data Mining Dengan Algoritma Apriori Untuk Menentukan Tingkat Peminjaman Buku Amran Sitohang; Simanjorang, R. Mahdalena; M. Rifan Afandi; Sutanto, Eko
Jurnal Sistem Informasi dan Teknologi Jaringan Vol 7 No 1 (2026): Maret
Publisher : CV. ADMITECH SOLUTIONS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63703/sisfotekjar.v7i1.141

Abstract

Perkembangan teknologi informasi menyebabkan peningkatan jumlah data yang tersimpan dalam berbagai bidang, termasuk pada sistem perpustakaan sekolah. Data transaksi peminjaman buku yang tersimpan dalam jumlah besar dapat dimanfaatkan untuk memperoleh informasi penting melalui teknik data mining. Penelitian ini bertujuan untuk menerapkan data mining menggunakan algoritma Apriori dalam menentukan tingkat peminjaman buku di perpustakaan SMK Al-Washliyah 8 Perbaungan. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan teknik Association Rule Mining. Data yang digunakan merupakan data transaksi peminjaman buku siswa yang kemudian melalui tahap preprocessing sebelum dilakukan proses analisis menggunakan aplikasi RapidMiner. Proses analisis dilakukan dengan menentukan nilai minimum support sebesar 13% dan minimum confidence sebesar 50% untuk menghasilkan aturan asosiasi yang relevan. Hasil penelitian menunjukkan bahwa algoritma Apriori mampu menemukan pola keterkaitan peminjaman buku berdasarkan frequent itemset yang terbentuk. Beberapa buku menunjukkan hubungan peminjaman yang cukup kuat sehingga dapat digunakan sebagai dasar dalam pengelolaan koleksi perpustakaan. Informasi yang dihasilkan dari penelitian ini diharapkan dapat membantu pihak perpustakaan dalam meningkatkan kualitas pelayanan, mengoptimalkan pengadaan buku, serta menyusun tata letak buku berdasarkan pola kebutuhan siswa. Dengan demikian, penerapan data mining menggunakan algoritma Apriori dapat menjadi solusi dalam mendukung pengambilan keputusan berbasis data pada pengelolaan perpustakaan sekolah.
Pengembangan Perangkat Lunak Analisis Sentimen Komentar Mahasiswa pada Kegiatan Belajar Mengajar Menggunkan Metode Long Short-Term Memory Berbasis Text Mining Panggabean, Erwin; Penda Sudarto Hasugian; Amran Sitohang; Nadia Wulan Dari; Rangga Permana Sanjaya
Jurnal Pengabdian Pada Masyarakat METHABDI Vol 5 No 2 (2025): Jurnal Pengabdian Pada Masyarakat METHABDI
Publisher : Universitas Methodist Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46880/methabdi.Vol5No2.pp249-258

Abstract

This research focuses on the development of sentiment analysis software designed to evaluate students’ comments at SMKS Methodist 8 Medan concerning teaching and learning activities through a text mining approach. The software aims to support educational evaluation by automatically identifying the emotional tone and opinions expressed by students in their feedback. In this study, text mining techniques are employed to preprocess and analyze comment data collected from online learning platforms and school surveys. The preprocessing stages include tokenizing, stopword removal, and stemming to prepare clean textual data for analysis. Subsequently, the Naïve Bayes classification algorithm is implemented to categorize the comments into three sentiment classes: positive, negative, and neutral. The results of experimental testing demonstrate that the developed system can accurately identify sentiment tendencies with satisfactory precision and reliability. Moreover, the visualization of sentiment results enables educators to better understand students’ perceptions and engagement levels in the learning process. This research contributes to the field of educational technology by providing a data-driven tool that helps schools evaluate teaching effectiveness, identify areas of improvement, and enhance the overall quality of learning experiences through objective analysis of student feedback.