Article Per Year (5 Year)
p-Index From 2021 - 2026
1.048
P-Index
This Author published in this journals
All Journal REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Minfo Polgan (JMP) Journal of Data Mining and Information Systems Journal of Golden Generation Engineering
Sardo Sipayung
Universitas Katolik Santo Thomas
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Analisis Sentimen Publik terhadap Barak Militer Menggunakan Naive Bayes pada Rapid MinerJudul Kasih Delayana; Setia Mangiring Marpaung; Syukur Nimei Iman Gulo; Sardo Sipayung
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v10i1.15827

Abstract

Penelitian ini ditujukan untuk menganalisis sentimen opini publik terhadap kebijakan gubernur Jawa Barat, Kang Dedi Mulyadi terhadap pembangunan barak militer. Topik ini dipilih karena tanggapan atau opini masyarakat di media sosial (X) menjadi indikator publik terhadap kebijakan konsep edukasi dan pembinaan terhadap karakter anak-anak sekolah dengan nuansa disiplin ala barak militer. Metode yang digunakan dalam analisis sentimen ini adalah dengan menggunakan metode Naïve Bayes, data yang terlebih dahulu di ambil dari Twitter yang terdiri dari 667 data dan dilakukan pembersihan di microsoft Excel selanjut nya dilakukan pra-pemrosesan data, meliputi case folding, tokenizing, stopword removal, dan stemming tersaring 590 data yang diuji setelah dilakukan tahapan pelabelan dan kemudian diolah dengan menggunakan aplikasi Rapidminer. Hasil penelitian ini menunjukkan tanggapan atau opini masyarakat dalam 2 klasifikasi yaitu Positif dan Negatif hasil penelitian menunjukkan bahwa lebih banyak sentimen atau tanggapan masyarakat yang positif didapatkan dari hasil akhir pengujian di rapid miner dalam bentuk diagram batang yaitu 53,33,% presentase positif dan 46,67 % presentase Negatif sehingga penelitian ini dianggap berhasil diterapkan
Clustering Penjualan Toko Retail Menggunakan Algoritma K-Means dalam Proses Penambangan Data Eunike Charina Ibrena Tarigan; Angela Wita Simanullang; Daniel S. Simbolon; Sardo Sipayung
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 10 No. 1 (2026): Volume 10 Nomor 1 Januari 2026
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v10i1.15844

Abstract

Perkembangan bisnis ritel yang semakin kompetitif menuntut pengelolaan data penjualan secara lebih efektif dan berbasis analisis. Data penjualan yang tersimpan dalam jumlah besar sering kali belum dimanfaatkan secara optimal untuk mendukung pengambilan keputusan strategis. Penelitian ini bertujuan untuk menerapkan teknik data mining dengan menggunakan algoritma K-Means dalam melakukan pengelompokan data penjualan pada toko ritel. Proses clustering dilakukan berdasarkan atribut penjualan, seperti jumlah transaksi dan volume penjualan, guna mengidentifikasi pola dan karakteristik penjualan yang serupa. Metode K-Means dipilih karena kemampuannya dalam mengelompokkan data secara efisien dan mudah diimplementasikan pada dataset berukuran besar. Berdasarkan hasil analisis, algoritma K-Means berhasil mengelompokkan produk ke dalam beberapa klaster penjualan dengan karakteristik tinggi, sedang, dan rendah. Informasi yang dihasilkan dari proses clustering ini dapat dimanfaatkan oleh pihak manajemen toko ritel sebagai dasar dalam menyusun strategi pemasaran, pengelolaan stok, serta peningkatan kinerja penjualan secara lebih terarah. Dengan demikian, penerapan algoritma K-Means dalam proses penambangan data terbukti mampu membantu pengambilan keputusan yang lebih tepat dan berbasis data pada bisnis ritel.
Implementasi Algoritma K-Means Dengan Normalisasi Min-Max Pada Analisis Data Ketidakbersekolahan Anak Elsahday Tambunan; Yuni Br Limbeng; Sardo Sipayung
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.
Implementasi Algoritma Dijikstra dalam Menentukan Rute Pengiriman Terpendek pada Layanan Shopee Express Medan Daniel Silaban; Cantriya Anastasya Simbolon; Paulina Gorat Gorat; Frans Steven Pakpahan; Gracia Simatupang; Sardo Sipayung
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.
Analisis Nilai dan Kehadiran Mahasiswa untuk Pengembangan Pengetahuan Akademik Menggunakan Clustering K-Means dan Statistik Wetina Hulu; Rani Rosalinda; Ronita Olive Angelie; Sardo Sipayung
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.
Analisis Persepsi Publik terhadap Penyaluran Beras Bantuan Bencana Alam Menggunakan Naive Bayes Berdasarkan Data Media Sosial X Roito Kasta Nadia Siahaaan; Firman Torino Sianturi; Sardo Sipayung
Journal of Golden Generation Engineering Vol. 2 No. 1 (2026): Januari 2026 : Journal of Golden Generation Engineering
Publisher : PT. Lembaga Penerbit Penelitian Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65244/jggengineering.v2i1.277

Abstract

Abstrak penelitian ini mengkaji fenomena penyaluran bantuan beras pasca-bencana yang kerap menjadi perbincangan hangat di media sosial X. Tujuan utama penelitian adalah untuk memetakan persepsi masyarakat terhadap kredibilitas dan ketepatan sasaran distribusi bantuan tersebut menggunakan algoritma Naive Bayes. Metode yang digunakan meliputi pengumpulan data berbasis kata kunci relevan, pembersihan data (preprocessing), dan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa Naive Bayes mampu mengidentifikasi kecenderungan opini publik secara akurat, baik berupa dukungan maupun keluhan terkait prosedur distribusi. Implikasi dari penelitian ini diharapkan dapat menjadi rujukan bagi pemangku kebijakan dalam mengevaluasi sistem penyaluran bantuan logistik agar lebih transparan dan responsif terhadap aspirasi masyarakat di ruang digital.
Co-Authors Angela Wita Simanullang Cantriya Anastasya Simbolon Daniel S. Simbolon Daniel Silaban Elsahday Tambunan Eunike Charina Ibrena Tarigan Firman Torino Sianturi Frans Steven Pakpahan Gracia Simatupang Kasih Delayana Paulina Gorat Gorat Rani Rosalinda Roito Kasta Nadia Siahaaan Ronita Olive Angelie Setia Mangiring Marpaung Syukur Nimei Iman Gulo Wetina Hulu Yuni Br Limbeng