Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Teknologi Jaringan Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi
Jijon Raphita Sagala
Universitas Prima Indonesia
Computer Science & IT Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pengembangan Perangkat Lunak Identifikasi Area Kesulitan Belajar Siswa Sekolah Dasar SD Negeri 064022 Medan Menggunakan Clustering dan Association Rule Mining Erwin Panggabean; Jijon Raphita Sagala; R. Mahdalena Simanjorang; Yuda Perwira; Penda Sudarto Hasugian; Pria Dimas; Hartati Palentina Sipahutar
Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi Vol 2 No 3 (2025): Juli
Publisher : CV. ADMITECH SOLUTIONS

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

Abstract

Kesulitan belajar yang dialami oleh siswa sekolah dasar sering kali tidak terdeteksi sejak awal, yang berdampak pada rendahnya prestasi akademik serta keterlambatan dalam pemberian intervensi yang sesuai. Penelitian ini bertujuan merancang dan mengembangkan sebuah perangkat lunak untuk mengidentifikasi area kesulitan belajar siswa di SD Negeri 064022 Medan, dengan menerapkan metode Clustering dan Association Rule Mining. Algoritma K-Means dimanfaatkan dalam proses Clustering guna mengelompokkan siswa berdasarkan hasil belajar dan karakteristik individual. Di sisi lain, teknik Association Rule Mining digunakan untuk menemukan pola keterkaitan antara faktor-faktor yang berpengaruh terhadap kesulitan belajar, seperti kehadiran, minat terhadap pelajaran, serta pencapaian nilai akademik. Evaluasi yang dilakukan menunjukkan bahwa sistem mampu melakukan klasifikasi siswa berdasarkan tingkat potensi kesulitan belajar dengan tingkat akurasi yang memadai. Selain itu, sistem juga menghasilkan sejumlah aturan asosiatif yang dapat dimanfaatkan oleh guru sebagai acuan dalam proses pengambilan keputusan. Dengan demikian, aplikasi ini berpotensi menjadi sarana pendukung yang efisien dalam proses pendeteksian dan penanganan kesulitan belajar secara terstruktur serta berbasis data yang terukur.  
Pengenalan dan Implementasi Teknologi Cloud Computing untuk Optimalisasi Manajemen Data Bosker Sinaga; Jijon Raphita Sagala; Nera Mayana Br Tarigan; Ade May Luky Harefa
Jurnal Pengabdian Kepada Masyarakat Teknologi Informasi dan Komunikasi Vol 2 No 3 (2025): Juli
Publisher : CV. ADMITECH SOLUTIONS

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

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memperkenalkan dan mengimplementasikan teknologi Cloud Computing guna mengoptimalkan manajemen data pada Koperasi Simpan Pinjam (KSP) Kencana Bakti. Latar belakang kegiatan ini adalah perlunya sistem pengelolaan data yang efisien, aman, dan mudah diakses untuk mendukung kelancaran operasional koperasi. Selama ini, pengelolaan data di KSP Kencana Bakti masih dilakukan secara konvensional, yang berisiko kehilangan data serta kurang fleksibel dalam akses dan kolaborasi. Metode pelaksanaan meliputi persiapan, pelatihan pengenalan konsep Cloud Computing, dan praktik implementasi menggunakan platform Google Drive serta Google Workspace. Peserta dilatih membuat struktur folder, mengunggah dan mengunduh dokumen, mengatur hak akses, serta melakukan kolaborasi dokumen secara real-time. Evaluasi dilakukan melalui observasi, wawancara, dan kuesioner untuk mengukur pemahaman dan keterampilan peserta. Hasil kegiatan menunjukkan peningkatan signifikan dalam pemahaman konsep dan kemampuan teknis peserta. Penerapan Cloud Computing diharapkan dapat berkelanjutan dan mendukung transformasi digital koperasi, meningkatkan efisiensi kerja, keamanan data, serta transparansi layanan kepada anggota.
Pengembangan Decision Support System untuk Rekomendasi Pekerjaan Menggunakan Machine Learning Berbasis Dataset Rekrutmen Online Jijon Raphita Sagala
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.v7i1.136

Abstract

Transformasi digital dalam proses rekrutmen mendorong kebutuhan akan sistem cerdas yang mampu memberikan rekomendasi pekerjaan secara akurat dan efisien. Penelitian ini bertujuan untuk mengembangkan Decision Support System (DSS) rekomendasi pekerjaan berbasis machine learning dengan memanfaatkan dataset rekrutmen daring. Penelitian ini menggunakan pendekatan kuantitatif–eksperimental dengan explanatory research untuk menjelaskan pengaruh kualitas data dan kinerja model machine learning terhadap efektivitas DSS. Dataset terdiri dari 12.450 data pelamar dan 8.732 lowongan pekerjaan yang setelah preprocessing menghasilkan 10.286 entri valid. Tiga algoritma diuji, yaitu Random Forest, Support Vector Machine (SVM), dan Naïve Bayes menggunakan 10-fold cross validation. Hasil menunjukkan bahwa Random Forest memberikan performa terbaik dengan akurasi 92,87%, presisi 91,22%, recall 93,41%, F1-score 92,30%, dan ROC-AUC 0,964. Evaluasi sistem menunjukkan peningkatan akurasi rekomendasi sebesar 24,75% dibandingkan sistem rule-based konvensional serta penurunan error rate 24,75%. Evaluasi kepuasan pengguna (n=30) menghasilkan User Satisfaction Index sebesar 89,8% (kategori sangat puas). Analisis regresi menunjukkan kualitas data (β=0,387; sig=0,000) dan kinerja model (β=0,521; sig=0,000) berpengaruh signifikan terhadap efektivitas DSS dengan R²=0,781. Temuan ini menegaskan bahwa integrasi machine learning dalam DSS berbasis dataset rekrutmen daring mampu meningkatkan akurasi, efisiensi, dan kualitas pengambilan keputusan pada sistem rekomendasi pekerjaan.
Co-Authors Ade May Luky Harefa Bosker Sinaga Erwin Panggabean Hartati Palentina Sipahutar Hasugian, Penda Sudarto Nera Mayana Br Tarigan Pria Dimas R. Mahdalena Simanjorang Yuda Perwira