Article Per Year (5 Year)
p-Index From 2021 - 2026
11.681
P-Index
This Author published in this journals
All Journal Infotech Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Journal of Electrical Technology IT JOURNAL RESEARCH AND DEVELOPMENT INTECOMS: Journal of Information Technology and Computer Science KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) The IJICS (International Journal of Informatics and Computer Science) JURIKOM (Jurnal Riset Komputer) JOURNAL OF SCIENCE AND SOCIAL RESEARCH Jurnal Teknik dan Informatika Building of Informatics, Technology and Science Jurnal Mantik Jurnal Sains dan Teknologi Community Engagement and Emergence Journal (CEEJ) Jurnal Tekinkom (Teknik Informasi dan Komputer) Jatilima : Jurnal Multimedia Dan Teknologi Informasi Journal of Computer System and Informatics (JoSYC) INFOKUM Jurnal Darma Agung Budapest International Research and Critics Institute-Journal (BIRCI-Journal): Humanities and Social Sciences Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI) Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) International Journal Of Science, Technology & Management (IJSTM) Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) KLIK: Kajian Ilmiah Informatika dan Komputer Instal : Jurnal Komputer Jurnal Info Sains : Informatika dan Sains Bulletin of Information Technology (BIT) International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) Jurnal Fokus Manajemen Jurnal Minfo Polgan (JMP) Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Nasional Teknologi Komputer Jurnal Pengabdian Masyarakat Gemilang (JPMG) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Data Sciences Indonesia (DSI) DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Best Journal of Administration and Management Bulletin of Engineering Science, Technology and Industry Jurnal Pengabdian Masyarakat Variasi The Journal of Information Technology, Computer Science, and Electrical Engineering
Sitorus, Zulham
UNIVERSITAS PEMBANGUNAN PANCA BUDI
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Public Health Social Sciences Transportation Other

Published : 100 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 100 Documents
Search

 6   7   8   9   10 
Sosialisasi Penggunaan Aplikasi Desa Pematang Serai Kecamatan Tanjung Pura Kabupaten Langkat Fahmi Kurniawan; Zulham Sitorus; Vina Arnita; Aditya Ramadhani; Raihan Risky
Community Engagement and Emergence Journal (CEEJ) Vol. 5 No. 3 (2024): Community Engagement & Emergence Journal (CEEJ)
Publisher : Yayasan Riset dan Pengembangan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37385/ceej.v5i3.6604

Abstract

Kantor Desa Pematang Serai dalam meningkatkan pelayanan kepada masyarakat desa menerapkan aplikasi desa untuk melayani kebutuhan masyarakat agar telayani secara maksimal dalam surat menyurat. Oleh karena itu, diperkenalkan sebuah inovas dan keterampilan kepada perangkat kantor desa tentang penggunaan aplikasi desa sehingga proses pelayanan kepada masyarakat dalam membuat surat berjalan lebih cepat, akurat, dan efisien. Metode sosialisasi melibatkan pendekatan demonstratif dan interaktif dengan kombinasi presentasi, tanya jawab, dan simulasi langsung penggunaan aplikasi. Hasil dari sosialisasi ini menunjukkan bahwa sebagian besar pegawai kantor desa merasa lebih nyaman dan percaya diri dalam menggunakan aplikasi desa. Di samping itu, pemahaman pegawai kantor desa mengenai pentingnya integritas dalam pelayanan kepada masyarakat juga meningkat. Diharapkan dengan adopsi teknologi ini, pembuatan surat untuk masyarakat di Kantor Desa Pematang Serai dapat berjalan dengan baik dan dapat meningkatkan kinerja pegawai kantor desa dalam melayani surat memeyurat kebutuhan masyarakat desa.
A Optimization of Sales Strategies and Inventory Forecasting for Processed Banana Products Utilizing the Conceptual Framework of Economic Efficiency and Accounting Precision Based on Simple Moving Average Zulham Sitorus; Lia Nazliana Nasution; Rahima Br Purba; Amnisuhaila Abarahan; Rowiyah Asengbaramae; Feby Wulandari Sembirinng; Mhd Ihsan Abidi
JURIKOM (Jurnal Riset Komputer) Vol. 13 No. 1 (2026): Februari 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i1.9505

Abstract

Fluctuations in demand for processed banana products often lead to inaccurate inventory planning at the MSME scale, resulting in decreased operational efficiency and potential accounting inaccuracies in inventory valuation and the calculation of Cost of Goods Sold (COGS). The calculation of raw material stock forecasting for 2024-2025 produces the following predicted values: 124 bunches of bananas, 80 pieces of chocolate, 81 kg of cooking oil, and 42 kg of granulated sugar. This simple, fast, and accurate forecasting process enables producers to more accurately predict product demand, ultimately reducing the risk of overstocking or shortages. This study aims to optimize sales strategies and inventory forecasting for processed banana products through a conceptual framework that integrates economic efficiency. The method used is the Simple Moving Average (SMA) to forecast inventory needs based on historical sales data at the BananaChips MSME, by testing several variations of the forecasting period to obtain the most stable and representative results. Overall, the recapitulation results show that the Cooking Oil raw material has the highest forecasting accuracy, with the lowest MAPE of 1.81% (MAD 1.50, MSE 5.20). Meanwhile, Granulated Sugar raw material recorded the highest MAPE value of 5.08% (MAD 2.25, MSE 9.73), followed by Chocolate (MAPE 2.43%) and Banana (MAPE 2.18%). The implementation results show an increase in stock management efficiency of up to 20% and a 15% decrease in excess raw materials. These findings indicate that integrating SMA forecasting with an economic efficiency framework and accounting accuracy can improve the quality of inventory and sales decision-making, thereby strengthening the profitability and sustainability of the banana-processed product business at the Bananachips MSME
IMPLEMENTASI METODE PROBABILITAS UNTUK ANALISIS PELUANG PENDAFTARAN MAHASISWA BARU BERDASARKAN POTONGAN DISKON DAFTAR ULANG Fery Anugerah; Boy Rizki Akbar; Chelfina Utami; Muhammad Fahriza; Laila Maghfirah; Rian Farta Wijaya; Zulham Sitorus
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.449

Abstract

Competition among universities to attract new students has prompted educational institutions to implement effective promotional strategies, one of which is offering re-enrollment discounts to prospective students. This study aims to analyze the likelihood of new student enrollment based on the magnitude of re-enrollment discounts using a quantitative approach and historical data on new student admissions. The analysis employs a simple probability method to measure the likelihood of prospective students re-enrolling based on the discount category offered. The results show that an increase in the discount rate leads to an increase in the likelihood of new student re-enrollment, with the highest probability—0.79, or 79%—observed in the 30% discount category. The application of this probability method has proven to assist universities in formulating promotional strategies and supporting more effective decision-making in the new student admission process.
Analisis Algoritma Neural Network Dan Regresi Linier Untuk Memprediksi Permintaan Layanan Kampus Berbasis Data Mahasiswa di AMIK Medicom Robin Antoni; Muhammad Iqbal; Zulham Sitorus
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

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

Abstract

The increasing number of students and the growing adoption of digital services have made campus service demand more dynamic, creating a need for accurate prediction methods to support service planning and data-driven decision-making. This study aims to analyze and compare the performance of Neural Network and Linear Regression algorithms in predicting campus service demand based on student data at AMIK Medicom. The dataset consists of student-related variables, including the number of active students and the percentage of digital service utilization as predictor variables, while total campus service demand is used as the target variable. The data were collected from September 2025 to February 2026. The research procedure involved data collection, data preprocessing, the development of Linear Regression and Neural Network models, and model evaluation using the coefficient of determination (R²), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and prediction accuracy. The results indicate that both methods are capable of predicting campus service demand effectively. The Linear Regression model achieved an R² value of 0.987, an MAE of 245.60, an RMSE of 301.20, and an accuracy rate of 91.4%. Meanwhile, the Neural Network model achieved an R² value of 0.996, an MAE of 118.30, an RMSE of 156.50, and an accuracy rate of 96.8%. These findings demonstrate that the Neural Network model outperforms Linear Regression, as evidenced by its higher R² value and lower error rates. Therefore, Neural Network is recommended as a more effective prediction model for supporting data-driven planning and management of campus services at AMIK Medicom.
Optimalisasi Pengelolaan Kehadiran Pada Aplikasi Sistem Penggajian Karyawan Berbasis Agile Ade Alma Yuni; Zulham Sitorus; Heri Kurniawan
Bahasa Indonesia Vol 18 No 06 (2026): Instal : Jurnal Komputer
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalinstall.v18i06.556

Abstract

Penelitian ini bertujuan untuk mengoptimalkan pengelolaan kehadiran karyawan pada aplikasi sistem penggajian berbasis Agile dengan memanfaatkan teknologi Global Positioning System (GPS). Permasalahan yang sering terjadi pada sistem kehadiran konvensional meliputi kecurangan absensi, ketidaktepatan waktu pencatatan, serta kurangnya integrasi dengan sistem penggajian. Oleh karena itu, diperlukan solusi yang mampu meningkatkan akurasi, transparansi, dan efisiensi dalam pengelolaan data kehadiran. Metode Agile digunakan dalam pengembangan sistem untuk memastikan fleksibilitas, kolaborasi tim, serta kemampuan adaptasi terhadap perubahan kebutuhan pengguna. Implementasi GPS memungkinkan proses absensi dilakukan secara real-time dengan validasi lokasi, sehingga meminimalisir praktik kecurangan seperti titip absen. Sistem ini juga terintegrasi secara otomatis dengan modul penggajian, sehingga perhitungan gaji menjadi lebih cepat dan akurat berdasarkan data kehadiran yang valid. Hasil penelitian menunjukkan bahwa penerapan sistem ini mampu meningkatkan efisiensi pengelolaan kehadiran, mengurangi kesalahan pencatatan, serta mempercepat proses penggajian. Selain itu, tingkat kepercayaan manajemen terhadap data kehadiran juga meningkat. Dengan demikian, sistem yang dikembangkan dapat menjadi solusi efektif dalam mendukung digitalisasi manajemen sumber daya manusia di perusahaan.  
Analisis Anomali Nilai Akademik Mahasiswa Berbasis Transformasi Wavelet untuk Mendukung Evaluasi Pembelajaran dan Konsistensi Kelulusan Yulianus Zai; Rahmat Hidayat; Oktavia Tumangger; Solahuddin Asri Ritonga; Rian Farta Wijaya; Zulham Sitorus
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 6 No. 1 (2026): Edisi April - September 2026 IN PRESS
Publisher : Utiliti Project Solution

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

Abstract

Sistem penilaian akademik di perguruan tinggi memiliki aturan kelulusan yang ketat, salah satunya mewajibkan mahasiswa mengikuti Ujian Akhir Semester (UAS). Namun, ditemukan fenomena inkonsistensi pada data nilai di salah satu perguruan tinggi swasta di Medan, di mana sejumlah mahasiswa dinyatakan lulus meskipun nilai UAS-nya sama dengan nol akibat kelalaian dosen dalam penginputan nilai. Penelitian ini bertujuan mendeteksi anomali tersebut secara otomatis menggunakan Transformasi Wavelet Diskrit (DWT) dengan filter Daubechies-4 (db4) level 4. Data nilai mahasiswa diperlakukan sebagai sinyal satu dimensi, kemudian dianalisis menggunakan dekomposisi wavelet untuk menghasilkan koefisien detail yang merepresentasikan fluktuasi lokal. Deteksi anomali dilakukan berdasarkan threshold 2,5 kali standar deviasi koefisien detail level pertama, dikombinasikan dengan verifikasi aturan akademik (UAS=0 dan nilai akhir lebih dari sama dengan 60). Pengujian dilakukan pada dua dataset: 569 data dari satu periode akademik dan 1.791 data dari 26 mata kuliah dan 90 kelas pada periode berikutnya. Hasil menunjukkan metode ini berhasil mendeteksi seluruh mahasiswa anomali secara akurat, dengan konsistensi 100% antara implementasi Python dan RStudio. Penelitian ini membuktikan bahwa Transformasi Wavelet dapat diterapkan sebagai mekanisme deteksi anomali data akademik yang efektif untuk mendukung evaluasi pembelajaran dan menjamin konsistensi kelulusan.
RANCANG BANGUN SISTEM INFORMASI PEMINJAMAN AMBULANCE BERBASIS WEB DI DESA PADANG BRAHRANG Gilang Ramadhan; Heni Wulandari; Zulham Sitorus
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 7 No. 3 (2024): August 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i3.2077

Abstract

Teknologi komputerisasi semangkin berkembang dari waktu kewaktu, semangkin banyak instansi perusahaan baik pemerintah maupun suatu menerapkan teknologi komputerisasi didalam melaksanakan pekerjaannya. Dengan menggunakan teknologi komputerisasi ini dapat mempermudah suatu pekerjaan yang dahulunya menggunakan sistem pencatatan dengan media kertas sudah beralih kesistem komputerisasi. Desa Padang Brahrang memiliki luas 1.342,0000 KM² sehingga terdapat kesulitanya akses terhadap layanan medis darurat seperti ambulance seringkali terbatas dan sulit diakses. Dalam banyak kasus, pasien yang membutuhkan perawatan darurat menghadapi keterlambatan dalam mendapatkan ambulance karena proses peminjaman yang kurang terorganisir dan tidak efisien. Penelitian ini bertujuan untuk membangun aplikasi sistem informasi peminjaman Ambulance. Peracangan aplikasi ini mengunakan UML (Unified Modeling Language), bahasa pemrograman PHP dan database menggunakan mysql. Manfaat dari penelitian ini dapat memberikan kemudahan untuk pihak desa dalam pengolahan data peminjaman Ambulance yang menggunakan sistem komputerisasi. Dengan adanya penelitian ini dapat mengatasi permasalahan yang ada dan dapat meningkatkan pelayanan kesehatan kepada masyarakat desa dalam pengolahan data dan pembuatan laporan peminjaman Ambulance berbasis digitalisasi yaitu menggunakan teknologi sistem komputerisasi.
ANALISIS SENTIMEN TERHADAP ULASAN PENGGUNA APLIKASI RUMAH PENDIDIKAN DI PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Abdul Razaq; Rahmat Hidayat; Ryan Fahreza Pasaribu; Zulham Sitorus
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4935

Abstract

Abstract: The development of digital technology has led to the emergence of various educational applications that play an important role in supporting the teaching and learning process. One of the most widely used applications is Rumah Pendidikan, which provides a variety of online learning features. However, user perceptions and experiences of this application vary greatly, requiring a systematic analysis to determine public sentiment towards the application. This study aims to apply the Naive Bayes Classifier algorithm in analyzing user sentiment reviews of the Rumah Pendidikan application on the Google Playstore platform. The data, consisting of 284 reviews, was classified into three sentiment categories, namely positive, negative, and neutral. The analysis process included data cleaning, tokenization, stopword removal, and TF-IDF vectorization before classification. The results show that the Naive Bayes algorithm is capable of classifying sentiment with an accuracy of 78.95%, a precision value of 72%, a recall of 67%, and an F1-score of 70%. These findings indicate that the Naive Bayes approach is effective in identifying user sentiment towards the Rumah Pendidikan application. The findings of this analysis can be used by developers as a basis for consideration in improving the quality of the application and user satisfaction in the future.Keyword: Sentiment Analysis, Naive Bayes, Rumah Pendidikan Application, Google Play Store Abstrak: Perkembangan teknologi digital telah mendorong munculnya berbagai aplikasi pendidikan yang berperan penting dalam mendukung proses belajar-mengajar. Salah satu aplikasi yang banyak digunakan adalah Rumah Pendidikan, yang menyediakan beragam fitur pembelajaran daring. Meskipun demikian, persepsi dan pengalaman pengguna terhadap aplikasi ini sangat beragam, sehingga diperlukan analisis yang sistematis untuk mengetahui sentimen masyarakat terhadap aplikasi tersebut. Penelitian ini bertujuan untuk menerapkan algoritma Naive Bayes Classifier dalam menganalisis sentimen ulasan pengguna terhadap aplikasi Rumah Pendidikan pada platform Google Playstore. Data yang terdiri atas 284 ulasan diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Proses analisis meliputi tahap data cleaning, tokenization, stopword removal, serta TF-IDF vectorization sebelum dilakukan klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen dengan akurasi sebesar 78.95%, nilai precision sebesar 72%, recall sebesar 67%, dan F1-score sebesar 70%. Temuan ini menunjukkan bahwa pendekatan Naive Bayes mampu bekerja secara efektif dalam mengidentifikasi sentimen pengguna terhadap aplikasi Rumah Pendidikan. Temuan analisis tersebut dapat dimanfaatkan oleh pengembang sebagai dasar pertimbangan dalam meningkatkan kualitas aplikasi dan tingkat kepuasan pengguna di masa mendatang.Kata kunci: Analisis Sentimen, Naive Bayes, Rumah Pendidikan, Playstore
KLASIFIKASI SENTIMEN REVIEW PENGGUNA APLIKASI KHAN ACADEMY DI PLAYSTORE MENGGUNAKAN ALGORITMA NAIVE BAYES Abdul Razaq; Josua M.H Simaremare; Fajar Aulia Lubis; Muhammad Irfan Sarif; Zulham Sitorus
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6342

Abstract

Abstract: The application was developed to provide digital learning services and educational information to users. This application is designed to facilitate students, teachers, and the general public in accessing various educational materials online. The application can be downloaded through the Google Play Store platform. On this platform, users are able to submit reviews regarding the application, which can serve as valuable feedback for developers in improving the application’s performance and features. This study aims to conduct sentiment analysis on user reviews of the application using a sentiment analysis approach. In this research, the method employed is the Naive Bayes algorithm, a probability-based classification technique that is widely used in sentiment analysis studies. The distribution of sentiment classification results indicates a dominance of positive sentiment at 85%, suggesting that the majority of users are satisfied with the services provided by the application. Neutral sentiment accounts for 6.5%, while negative sentiment represents 7.5%, indicating that there are still several complaints expressed by users. Overall, these findings demonstrate that the application has a good level of user acceptance, although continuous improvements are still necessary.  Keywords: Sentiment Classification; Naive Bayes; Khan Academy Application; Google Play Store   Abstrak: Aplikasi Khan Academy merupakan aplikasi yang dikembangkan untuk menyediakan layanan dan informasi pembelajaran secara digital kepada pengguna. Aplikasi ini dirancang untuk memudahkan siswa, guru, dan masyarakat umum dalam mengakses berbagai materi pendidikan secara online. Aplikasi Khan Academy dapat diunduh melalui Play Store. Pada platform tersebut, pengguna dapat memberikan ulasan terhadap aplikasi Khan Academy sehingga dapat dijadikan sebagai referensi bagi pengembang dalam melakukan perbaikan aplikasi. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap ulasan pengguna aplikasi Khan Academy menggunakan pendekatan analisis sentimen. Dalam penelitian ini, metode yang digunakan adalah Naive Bayes, yaitu teknik klasifikasi berbasis probabilitas yang umum digunakan dalam analisis sentimen. Distribusi sentimen hasil klasifikasi menunjukkan dominasi sentimen positif sebesar 85%, yang menandakan bahwa sebagian besar pengguna merasa puas terhadap layanan aplikasi Khan Academy. Sentimen netral tercatat sebesar 6,5%, sedangkan sentimen negatif sebesar 7,5%, yang menunjukkan masih adanya sejumlah keluhan pengguna. Secara keseluruhan, hasil ini mengindikasikan bahwa aplikasi Khan Academy memiliki tingkat penerimaan yang baik, meskipun tetap memerlukan perbaikan berkelanjutan. Kata Kunci: Klasifikasi Sentimen; Naive Bayes; Khan Academy; Playstore
OPTIMASI ALGORITMA K-MEANS TERHADAP DATA OUTLIER MENGGUNAKAN ROBUST DALAM SEGMENTASI PELANGGAN BIZNET MEDAN Dwina Pri Indini; Solly Ariza; Zulham Sitorus
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 3 (2026): June 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i3.6568

Abstract

Abstract: The massive growth of internet penetration in Indonesia has created competitive competition among internet service providers (ISPs), including Biznet Medan. However, the highly diverse and heterogeneous characteristics of customers make one-size-fits-all marketing strategies ineffective and inefficient. Processing large customer data for segmentation is often hampered by the presence of outliers, such as extreme income variations, which can disrupt the clustering accuracy of conventional algorithms. This study aims to optimize the K-Means algorithm in segmenting Biznet Medan's target market to maintain accuracy despite outliers, allowing the company to design more targeted marketing strategies. To overcome K-Means' sensitivity to outliers, this study applies the Robust Scaling technique. This solution uses the Median and Interquartile Range (IQR) values ​​instead of the mean, so that the cluster center points (centroids) remain stable and are not distorted by extreme data values. The research flow includes data collection of prospective Biznet Medan customers, data pre-processing (cleaning and scaling), feature selection (income, distance, and network requirements), and implementation of the K-Means model. Cluster quality evaluation is carried out by comparing the results of using StandardScaler and RobustScaler through the Silhouette Score and Davies Bouldin Index (DBI) metrics. The implementation successfully formed two main segments: Cluster 0 (Enterprise/Premium Customers) with high income characteristics and large bandwidth requirements (>200 Mbps), and Cluster 1 (Casual/Economical Customers) who dominate the market with lower network requirements (<50 Mbps). Optimization with Robust showed significant improvements in the evaluation metrics, where the Silhouette Score increased from 0.3133 to 0.6023, and the DBI value improved from 1.1421 to 0.8007. The implementation of Robust Scaling is effectively able to handle outlier problems in the K-Means algorithm, resulting in a more robust, efficient, and representative cluster structure. These results contribute to the processing of customer data for more objective strategic decision-making in ISP market expansion. Keywords: k-means; clustering; outlier; robust scaling; customer segmentation.   Abstrak: Pertumbuhan internet di Indonesia yang masif telah menciptakan persaingan kompetitif di antara penyedia jasa internet (ISP), termasuk Biznet Medan. Namun, karakteristik pelanggan yang sangat beragam dan bersifat heterogen membuat strategi pemasaran satu untuk semua (one-size-fits-all) menjadi tidak efektif dan tidak efisien. Data calon pelanggan yang besar sering ditemui data yang hilang, perbedaan nilai data yang ekstrim sehingga pengolahan data calon pelanggan untuk segmentasi sering kali terkendala oleh adanya data pencilan (outlier) yang dapat mengganggu akurasi pengelompokan pada algoritma konvensional. Penelitian ini bertujuan untuk mengoptimasi algoritma K-Means dalam melakukan segmentasi target pasar Biznet Medan agar tetap akurat meskipun terdapat data outlier, sehingga perusahaan dapat merancang strategi pemasaran yang lebih tepat sasaran. Untuk mengatasi sensitivitas K-Means terhadap pencilan, penelitian ini menerapkan teknik Robust Scaling. Solusi ini menggunakan nilai Median dan Interquartile Range (IQR) sebagai pengganti rata-rata, sehingga titik pusat klaster (centroid) tetap stabil dan tidak terdistorsi oleh nilai data yang ekstrem. Alur penelitian meliputi pengumpulan data calon pelanggan Biznet Medan, pra-pemrosesan data (pembersihan dan scaling), pemilihan fitur (penghasilan, jarak, dan kebutuhan jaringan), serta implementasi model K-Means. Evaluasi kualitas klaster dilakukan dengan membandingkan hasil penggunaan StandardScaler dan RobustScaler melalui metrik Silhouette Score dan Davies Bouldin Index (DBI). Implementasi berhasil membentuk dua segmen utama: Cluster 0 (Pelanggan Enterprise/Premium) dengan karakteristik penghasilan tinggi dan kebutuhan bandwidth besar (>200 Mbps), serta Cluster 1 (Pelanggan Casual/Hemat) yang mendominasi pasar dengan kebutuhan jaringan lebih rendah (<50 Mbps). Optimasi dengan Robust menunjukkan peningkatan signifikan pada metrik evaluasi, di mana Silhouette Score meningkat dari 0,3133 menjadi 0,6023, dan nilai DBI membaik dari 1,1421 menjadi 0,8007. Penerapan Robust Scaling secara efektif mampu menangani masalah outlier pada algoritma K-Means, menghasilkan struktur klaster yang lebih kuat, efisien, dan representatif. Hasil ini memberikan kontribusi pada pengolahan data pelanggan untuk pengambilan keputusan strategis yang lebih objektif dalam ekspansi pasar ISP. Kata kunci: K-Means; klasterisasi; data pencilan; Robust Scaling; Segmentasi Pelanggan.
Co-Authors , Arpan , Fery Anugerah A.A. Ketut Agung Cahyawan W Abda Abda Abdul Razaq Ade Alma Yuni Ade Guna Suteja Ade Surya Bakti Pane Aditya Ramadhani Afrizal, Henri Afrizal, Sandi Aldi Kesuma Alvian Alvian Alviona Marsya Ami Abdul Jabar Ami Abdul Jabar Amnisuhaila Abarahan Ananda Aulia Ananda Aulia Andi Ernawati Andi Ernawati Andi Ernawati Andysah Putera Utama Siahaan Angkat, Chairul Indra Anshari, Ari Antoni, Robin Anzas Ibezato Zalukhu Ardya, Dwika Arief, Muhammad Arif Rahman Astri Mutia Rahma Aulia, Ananda Ayu Ofta Ayu Ofta Sari Ayumi Kartika Sari azwan, m Baehaqi Bambang Sugito Bambang Sugito Batubara, Supina Boy Rizki Akbar Boy Rizki Akbar Br Tarigan, Sella Monika Chelfina Utami Chelfina Utami Daniel Happy Putra Danu Wardhana Azhari Darmeli Nasution Desy Ramatika DEWI SARTIKA Dhimas Prayogi diansyah, Suhar Didi Riswan`` Diva, Krisna Dwina Pri Indini Eko Hariyanto Eko Hariyanto Eko Hariyanto Eko Wahyudi Erbin Sitorus Fachri, Barany Fahmi Izhari Fahmi Kurniawan Fajar Aulia Lubis Feby Wulandari Sembirinng Fery Anugerah Fikri Zuhaili Simbolon Gilang Ramadhan Gultom, Ananda Christianto Hafiz Rodhiy Haliza, Siti Nur Hamzah, Iswadi Harmiati Bungsu Bangun Hartono Sinambela, Sugi Helmy, Ahmad Hendra Harnanda Hendra Utama Heni Wulandari Heri Eko Rahmadi Putra Heri Kurniawan Hilal Prayogi Hindra Syahputra Hrp, Abdul Chaidir Ibezato Zalukhu, Anzas Ibrahim Ika Devi Perwitasari Indra Angkat, Chairul IQBAL , MUHAMMAD Irwan Syahputra Irwan Syahputra, Irwan Josua M.H Simaremare Khairul Khairul Khairul Khairul, Khairul Kiki Artika Kurniawan, Fahmi Laila Maghfirah Laila Maghfirah Larius Ambasador Parlindungan Leni Marlina Leni Marlina Lia Nazliana Nasution Limbong, Yohannes France M Imam Santoso M. Azhari Rizko M. Rasyid M.Rizki Khadafi Maida Indrayani Mardiah, Nia Marzuki Sianturi, Ismail Maulian Saputra Meiarni Situkkir Melva Sari Panjaitan Meri Sri Wahyuni Mhd Arfan Sitorus Mhd Arie Akbar Mhd Ihsan Abidi Mohammad Yusuf Mohammad Yusuf, Mohammad Muhammad Fahriza Muhammad Fahriza Muhammad Hafizh Al-Ghifari Rangkuti Muhammad Iqbal Muhammad Iqbal Muhammad Irfan Sarif Muhammad Raihan Harahap Muhammad Syahputra Novelan Muhammad Wahyudi Nahampun, Natalia Nainggolan, Andreas Ghanneson Nainggolan, Irfan Nazar Saputra, Risfan Nelviony Parhusip Nurwijayanti Oktavia Tumangger Parhusip, Nelviony Pasaribu, Ryan Fahreza Pebri Ramadani Pranoto, Sugeng Putra, Khairil Ragil Satya Adi W Rahima Br Purba Rahmat Hidayat Rahmat Hidayat Raihan Risky Ramadani, Pebri Ramadhan, Aditya Ramadhani, Aditya Ramli S Siburian Rangga Rafandi Razaq, Abdul Retno Mutiara Rezkinah Rambe Rian Farta Wijaya Rian Farta Wijaya Rian Putra, Randi Rika Uli Samosir, Siska Risky, Raihan Robin Antoni Rowiyah Asengbaramae Rusydi Tanjung , Miftah Ryan Fahreza Pasaribu Sahputra, Fajar Said Oktaviandi Sarifuddin Septia Harliansyah Septiani, Nadya Sianturi, Ismail Sibarani, Dina Marsauli Simamora, Siska Simorangkir, Elsya Sabrina Asmita Sinambela, Sugi Hartono Sinyo Andika Nasution, Ahmad Sipra Barutu Sipra Barutu Siregar, Andree Risky Yuliansyah Sitepu, Fernando Siti Nurhaliza Sofyan Siti Nurhaliza Sofyan Sitinur, Siti Nurhaliza Sofyan Sitompul, Jelly Rolley Sofyan, Siti Nurhaliza Solahuddin Asri Ritonga Solly Ariza Solly Ariza Lubis Solly Aryza Sri Wahyuni, Meri Sugeng Pranoto Suhardiansyah Suhardiansyah Suhardiansyah Suherman Suherman Sukrianto, Sukrianto Sulis Sutiono Susilawati Yahya Sutiono, Sulis Syahputri, Maulisa Syamsiar, Syamsiar T, Siti Isna Syahri Tanjung, Miftah Rusydi Tiara Aninditha Utama, Hendra Vina Arnita Vivin Yulfia Sarah Wahyu Agung Pratama Wahyuni, Meri Sri Wijaya, Rian Farta Wirda Fitriani Yasri, Afif Yulianus Zai Zulfahmi Syahputera Zulfahmi Syahputra Zulfahmi Zulfahmi Zulfahmi Zulfahmi