Article Per Year (5 Year)
p-Index From 2021 - 2026
1.318
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Indonesian Journal of Education and Mathematical Science Jurnal Sistem Informasi dan Sains Teknologi Jurnal Minfo Polgan (JMP) Informatics and Computer Engineering Journal Journal of Data Mining and Information Systems Jurnal Ilmu Komputer dan Informatika
Sipayung, Sardo
Unknown Affiliation
Computer Science & IT Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
Implementasi Algoritma Dijikstra dalam Menentukan Rute Pengiriman Terpendek pada Layanan Shopee Express Medan Silaban, Daniel; Simbolon, Cantriya Anastasya; Gorat, Paulina Gorat; Pakpahan, Frans Steven; Simatupang, Gracia; Sipayung, Sardo
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.v14i1.14912

Abstract

Di era digital yang semakin berkembang, efektivitas distribusi logistik menjadi faktor kunci dalam mendukung kualitas layanan e-commerce, termasuk di kota Medan yang merupakan pusat pertumbuhan ekonomi di wilayah Sumatera Utara. Salah satu tantangan utama dalam proses pengiriman adalah pemilihan jalur yang efisien untuk meminimalisir waktu tempuh dan biaya operasional. Penelitian ini berfokus pada penerapan Algoritma Dijkstra dalam menentukan rute pengiriman terpendek pada layanan Shopee Express Medan. Algoritma Dijkstra dipilih karena kemampuannya dalam menghitung lintasan minimum dari satu simpul ke simpul lainnya dalam graf berbobot non-negatif secara efisien dan akurat. Penelitian ini menggunakan representasi graf berbobot, dimana titik-titik lokasi pengiriman dianggap sebagai simpul dan jarak antar lokasi direpresentasikan sebagai bobot sisi. Proses analisis dilakukan dengan memodelkan graf jaringan rute pengiriman Shopee Express di wilayah Medan, yang kemudian diolah menggunakan algoritma Dijkstra untuk mendapatkan rute yang optimal. Hasil penelitian menunjukkan bahwa penerapan algoritma ini mampu mengurangi jarak tempuh dan waktu pengiriman secara signifikan, serta memberikan alternatif lintasan yang lebih efisien dibandingkan dengan pendekatan manual atau berbasis intuisi.Penerapan sistem ini berpotensi untuk diintegrasikan dalam platform navigasi internal layanan logistik untuk mendukung pengambilan keputusan operasional secara real-time. Dengan demikian, penerapan algoritma Dijkstra tidak hanya relevan secara teknis, tetapi juga strategis dalam meningkatkan efisiensi pengiriman dan kepuasan pelanggan.
Integration Of Pca And K-Means Clustering For Staple Food Segmentation In Support Of National Food Policy Sipayung, Sardo; Hasugian, Paska Marto
Sinkron : jurnal dan penelitian teknik informatika Vol. 9 No. 4 (2025): Articles Research October 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/sinkron.v9i4.15343

Abstract

This study aims to develop cross-provincial staple-food segmentation by integrating Principal Component Analysis (PCA) and K-Means to support policy formation. The dataset comprises 2023 staple-food consumption for 34 Indonesian provinces across six indicators from BPS/SUSENAS. All indicators were standardized using z-score, reduced via PCA, and the resulting component scores were used as inputs to K-Means. Three components (PC1–PC3) explained 73.86% of the variance and captured shifts between sweet/animal-based vs. plant foods, fatty or animal-based grains, and the energy contribution of fat. The optimal number of clusters was determined as k = 3, yielding Silhouette = 0.466 and DBI = 0.733, indicating sufficiently compact and well-separated groups. The results reveal three segments: the first group consists of 11 provinces that are predominantly plant-based with low sugar and low animal-based consumption; the second group includes 13 provinces characterized by high animal-based and high-fat consumption; and the third group comprises 10 provinces with low-fat diets and fresh plant-based consumption. Stability checks on initialization and a leave-one-feature-out procedure confirmed consistent assignments. This fills an empirical gap: to our knowledge, no prior research integrates PCA with K-Means for cross-provincial staple-food segmentation in Indonesia while also reporting internal validation. Practically, the study provides operational segmentation to support food-security interventions moving beyond composite indices toward actionable targeting for production support, supply/price stabilization, and improved nutritional access thereby reframing IKP/FSVA from index-ranking to evidence-based segmentation.
Pemodelan Tren Pendapatan Game Gacha Menggunakan Regresi Linier Tambunan, Yosua; Yudi Yohannes; Sipayung, Sardo
Informatics and Computer Engineering Journal Vol 6 No 1 (2026): Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/icej.v6i1.11840

Abstract

The rapid growth of the digital gaming industry, particularly games with gacha monetization systems, has resulted in highly fluctuating revenue patterns over time. Game revenue does not always follow a linear trend, as it is influenced by various factors such as in-game events, content updates, and player behavior. This study aims to analyze the effect of time variables (months) on the revenue of three popular gacha games, namely Genshin Impact, Honkai: Star Rail, and Zenless Zone Zero. This research employs a quantitative approach using simple linear regression analysis. The data used in this study are secondary data in the form of monthly revenue collected from AppMagic, covering the period from January to December 2025. The results indicate that all three games have negative regression coefficients, suggesting a declining revenue trend over time. However, the coefficient of determination values are relatively low, indicating that the time variable has a very limited ability to explain revenue variation. These findings suggest that gacha game revenue is not significantly influenced by time alone but is driven by other non-linear factors. Therefore, simple linear regression can only provide a general trend and is insufficient to fully describe the dynamics of gacha game revenue.
Analisis Nilai dan Kehadiran Mahasiswa untuk Pengembangan Pengetahuan Akademik Menggunakan Clustering K-Means dan Statistik Hulu, Wetina; Rosalinda, Rani; Angelie, Ronita Olive; Sipayung, Sardo
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.v14i2.15822

Abstract

Nilai akademik dan tingkat kehadiran mahasiswa merupakan dua indikator utama yang sering digunakan untuk menilai perkembangan akademik di perguruan tinggi. Perbedaan capaian nilai dan kehadiran antar mahasiswa kerap terjadi, namun belum seluruhnya dianalisis secara terstruktur untuk menghasilkan informasi yang mendukung pengambilan keputusan akademik. Penelitian ini bertujuan untuk menganalisis data nilai akademik dan kehadiran mahasiswa dalam mengidentifikasi pola perkembangan akademik melalui pendekatan kuantitatif. Metode yang digunakan meliputi analisis statistik deskriptif dan algoritma clustering K-Means. Statistik deskriptif diterapkan untuk menggambarkan karakteristik data, seperti nilai rata-rata data, capaian terendah, serta capaian tertinggi mahasiswa persentase kehadiran mahasiswa. Selanjutnya, algoritma K-Means digunakan untuk mengelompokkan mahasiswa ke dalam beberapa cluster berdasarkan kesamaan nilai akademik dan tingkat kehadiran. Data penelitian diperoleh dari mahasiswa aktif pada satu program studi dalam satu periode akademik. Berdasarkan hasil analisis, mahasiswa dapat dikelompokkan ke dalam beberapa kategori dengan ciri akademik yang beragam, yaitu kelompok dengan nilai dan kehadiran tinggi, kelompok sedang, serta kelompok dengan nilai dan kehadiran rendah. Temuan ini menunjukkan bahwa hasil pengelompokan dapat memberikan gambaran kondisi akademik mahasiswa secara sistematis dan menjadi dasar pertimbangan bagi pihak perguruan tinggi dalam meningkatkan kualitas proses pembelajaran.
Classification of Hydrometeorological Disaster Vulnerability Across Indonesian Provinces Using the KNN Algorithm Based on 2024 Podes Data Jesika, Jesika; Mahoro, Zamiel Alfaro Davido; Sipayung, Sardo
Indonesian Journal of Education and Mathematical Science Vol 7, No 1 (2026)
Publisher : Universitas Muhammadiyah Sumatera Utara (UMSU)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/ijems.v7i1.28869

Abstract

Hydrometeorological disasters have increasingly posed significant challenges to regional resilience in Indonesia, driven by climate variability and uneven mitigation capacity across provinces. This study aimed to classify hydrometeorological disaster vulnerability across all Indonesian provinces using a machine learning approach based on the 2024 Village Potential Statistics dataset. A supervised learning framework was implemented using the k-Nearest Neighbor algorithm to integrate physical exposure indicators, including riverbank and slope settlements as well as river proximity, with mitigation capacity variables such as Early Warning Systems and evacuation infrastructure. Provincial-level data were aggregated, normalized, and processed following the Knowledge Discovery in Databases methodology. The classification results categorized provinces into low, medium, and high vulnerability levels, revealing that mitigation capacity played a critical role in moderating disaster vulnerability beyond physical exposure alone. Model evaluation demonstrated strong performance, with a high discriminative capability and balanced accuracy across classes, indicating that the selected k-Nearest Neighbor configuration was suitable for heterogeneous socio-environmental data. The findings highlighted the importance of preparedness infrastructure in reducing disaster risk and provided a transparent, data-driven framework to support evidence-based disaster management and policy planning at the national scale.
Klasterisasi Prestasi Provinsi Dalam Kompetisi Sains Nasional Menggunakan K-Means Hutasoit, Ronald; Hasiholan, Budi Chandra; Sipayung, Sardo; Luahambowo, Angelus Fanotona
Jurnal Ilmu Komputer dan Informatika | E-ISSN : 3063-9026 Vol. 2 No. 3 (2026): Januari - Maret
Publisher : GLOBAL SCIENTS PUBLISHER

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

Abstract

The National Science Olympiad (KSN) is one of strategic indicators to measure the quality of education throughout Indonesia. But historical evidence shows a wide gap in performance between provinces, not least between Java and beyond Java. This research aims to map and categorize provinces in Indonesia on their performance in OSN using K-Means clustering. The data employed was the number of participants and the weighted medal tallies per province. Preprocessing of Data: Z-Score standardization of data is performed to account for variances in scale between features. The best number of clusters is performed by Elbow Method and Silhouette Score. The results revealed three clusters: Cluster 1 (High Achievers) included 3 provinces with the highest Java; Cluster 2 (Potential Achiever), included four provinces with high participation and fair scores, and Cluster 3 (Developing Area), included 31 low-performing provinces. This map shows objective evidence of educational disparity, and can be used by the government as a guide for future development in low performing regions.
OPTIMASI KINERJA SSH SERVER MENGGUNAKAN ALGORITMA KOMPRESI LZ4 PADA PROTOKOL TRANSFER Hutagalung, Jumita Yohana; Sinaga, Febrina Yohana; Sipayung, Sardo
Jurnal Sistem Informasi dan Sains Teknologi Vol 8, No 1 (2026): Jurnal Sistem Informasi dan Sains Teknologi (On Progress)
Publisher : Universitas Trilogi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31326/sistek.v8i1.2703

Abstract

Penelitian ini bertujuan mengoptimalkan kinerja SSH server melalui implementasi algoritma kompresi LZ4 untuk mengatasi bottleneck transfer data pada protokol SSH, khususnya dalam lingkungan jaringan enterprise Indonesia.Metodologi eksperimental menggunakan testbed VirtualBox dengan dua VM Debian 10 Buster. Penelitian membandingkan kinerja SSH server pada tiga konfigurasi: kompresi LZ4, zlib default, dan tanpa kompresi. Pengujian mencakup berbagai jenis file dengan ukuran 1MB-1GB. Parameter yang diukur meliputi throughput, pemanfaatan CPU, konsumsi memori, rasio kompresi, dan latensi menggunakan OpenSSH 7.9 yang dimodifikasi.Kompresi LZ4 menunjukkan peningkatan throughput 35% dibandingkan zlib dengan pengurangan utilisasi CPU sebesar 22%. Throughput rata-rata mencapai 145 MB/s versus 107 MB/s untuk zlib. Penggunaan memori berkurang 18% sambil mempertahankan efektivitas kompresi 68% relatif terhadap zlib. Latensi meningkat 15% untuk sesi real-time.Integrasi LZ4 secara signifikan meningkatkan kinerja server SSH dengan keseimbangan optimal antara kecepatan kompresi dan pemanfaatan sumber daya, menawarkan manfaat praktis penerapan SSH throughput tinggi di lingkungan perusahaan Indonesia. 
Implementasi Algoritma K-Means Dengan Normalisasi Min-Max Pada Analisis Data Ketidakbersekolahan Anak Tambunan, Elsahday; Br Limbeng, Yuni; Sipayung, Sardo
JDMIS: Journal of Data Mining and Information Systems Vol. 4 No. 1 (2026): February 2026
Publisher : Yayasan Pendidikan Penelitian Pengabdian Algero

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/jdmis.v4i1.7064

Abstract

Anak-anak yang tidak bersekolah merupakan suatu masalah dalam dunia pendidikan yang masih menjadi tantangan, terutama di kalangan masyarakat dengan ekonomi rendah. Tingginya jumlah anak yang tidak mengenyam pendidikan dapat mengurangi kualitas sumber daya manusia dan memperbesar kesenjangan sosial. Penelitian ini bertujuan untuk mengkaji ketidakbersekolahan pada anak berdasarkan level pendidikan dan kelompok pengeluaran, dengan menggunakan pendekatan data mining. Metode yang diterapkan mencakup normalisasi Min-Max sebagai langkah awal dalam memproses data serta algoritma K-means Clustering untuk proses pengelompokan. Normalisasi Min-Max digunakan untuk menyamakan skala data dalam rentang 0 hingga 1, sehingga setiap variabel memiliki peran yang seimbang dalam perhitungan jarak. Data yang digunakan adalah data angka anak tidak sekolah Tahun 2023, yang mencakup tingkat pendidikan SD, SMP, dan SMA rentang kelompok pengeluaran dari kuantil 1 hingga 5. Temuan penelitian ini menunjukkan bahwa algoritma K-Means dengan k = 3 dapat mengelompokkan data menjadi tiga kluster utama, yakni tingkat ketidakbersekolahan yang tinggi, sedang, rendah. Ini mengindikasikan adanya hubungan antara level pengeluaran dan partisipasi anak dalam pendidikan.
Co-Authors Angelie, Ronita Olive Br Limbeng, Yuni Gorat, Paulina Gorat Hasiholan, Budi Chandra Hasugian , Paska Marto Hulu, Wetina Hutagalung, Jumita Yohana Hutasoit, Ronald Jesika, Jesika Luahambowo, Angelus Fanotona Mahoro, Zamiel Alfaro Davido Pakpahan, Frans Steven Rosalinda, Rani Silaban, Daniel Simatupang, Gracia Simbolon, Cantriya Anastasya Sinaga, Febrina Yohana Tambunan, Elsahday Tambunan, Yosua Yudi Yohannes