Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Infotek : Jurnal Informatika dan Teknologi International Research on Big-data and Computer Technology (IRobot) JRIIN :Jurnal Riset Informatika dan Inovasi
Bicanro Gebriyan Panjaitan
Universitas Negeri Medan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Engineering

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

Found 3 Documents
Search

 1 
Penerapan K-Means Clustering Untuk Pengelompokan Modalitas Pencitraan Medis Pada Dataset Imaging Data Commons Dea Anggraini; Angelina S. Saragih; Bicanro Gebriyan Panjaitan
International Research on Big-Data and Computer Technology: I-Robot Vol 10, No 1 (2026): April
Publisher : UNIVERSITAS DHARMA WACANA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53514/ir.v10i1.725

Abstract

Distribusi modalitas pencitraan medis dalam dataset Imaging Data Commons (IDC) yang berskala petabyte belum pernah dianalisis secara sistematis menggunakan pendekatan data mining, padahal ketimpangan distribusinya berpotensi memengaruhi kualitas pengembangan model kecerdasan buatan di bidang onkologi. Penelitian ini bertujuan mengelompokkan modalitas pencitraan medis berdasarkan karakteristik distribusi data menggunakan algoritma K-Means Clustering yang diakses melalui Google BigQuery. Data diproses melalui tahapan preprocessing meliputi pembersihan, penyaringan noise, dan normalisasi MinMaxScaler. Nilai K optimal ditentukan melalui Elbow Method menghasilkan K=3. Hasil clustering membentuk tiga kelompok: Cluster 2 (CT, 62,22%), Cluster 1 (MR, 32,41%), dan Cluster 0 (20 modalitas minor, 5,37%), dengan Silhouette Score 0,7823 yang termasuk kategori cluster kuat. Penelitian ini mengungkap bahwa hubungan antara cakupan body part dan volume data bersifat eksponensial, serta dominasi CT dan MRI berpotensi menciptakan blind spot pada model AI medis apabila ketimpangan distribusi tidak ditangani sebelum pelatihan model.
Rancang Bangun Sistem Rekomendasi Teman Belajar Berbasis Web untuk Kolaborasi Akademik Mahasiswa Bicanro Gebriyan Panjaitan; Lastri Putri Silaban; Azis Kurniadi; Debi Yandra Niska
Infotek: Jurnal Informatika dan Teknologi Vol. 9 No. 2 (2026): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v9i2.34746

Abstract

The advancement of web-based information technology has encouraged the transformation of collaborative learning processes in higher education environments. However, students still experience difficulties in finding suitable study partners due to the absence of a system capable of integrating learning preferences, available schedules, and academic needs in a structured manner. This study aims to design and develop a web-based study partner recommendation system to support students’ academic collaboration through the EduMate platform. The research method used in this study is Research and Development (R&D) with a software development approach using the Prototype method. The research stages include user requirements identification, system requirements analysis, system design, prototype development, system implementation, and system testing using the Black Box Testing method. The system was developed using Node.js and Express.js on the backend side, HTML, CSS, and JavaScript on the frontend side, and MySQL as the primary database. The system also implements Google OAuth authentication, a scoring matching algorithm, study schedule management, automatic notifications, as well as rating and review features. The results of the study indicate that the EduMate system was successfully implemented and is capable of supporting the process of finding study partners in a more effective and structured manner. Based on the Black Box Testing results, all main system features operated according to the specified requirements with a testing success rate of 100%. The system is also able to provide study partner recommendations based on profile compatibility, learning preferences, and user schedules, thereby improving the effectiveness of collaborative learning among students. Therefore, EduMate has the potential to serve as a digital solution in supporting the collaborative learning ecosystem in higher education institutions.
Penyelesaian Masalah NP-Complete pada Penjadwalan Menggunakan Algoritma Welch-Powell (Graph Coloring) Lastri Putri Silaban; Bicanro Gebriyan Panjaitan; Azis Kurniadi; Adidtya Perdana
Jurnal Riset Informatika dan Inovasi Vol 3 No 12 (2026): JRIIN : Jurnal Riset Informatika dan Inovasi (INPRESS)
Publisher : shofanah Media Berkah

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

Abstract

Penjadwalan mata kuliah merupakan permasalahan kompleks yang termasuk dalam kategori NP-hard karena melibatkan berbagai kendala seperti ketersediaan dosen, ruang, dan waktu. Proses penyusunan jadwal yang dilakukan secara manual sering kali menimbulkan konflik dan membutuhkan waktu yang cukup lama. Penelitian ini bertujuan untuk menerapkan algoritma Welch-Powell dengan pendekatan graph coloring dalam menyelesaikan permasalahan penjadwalan mata kuliah secara efektif dan efisien. Metode yang digunakan adalah pemodelan graf konflik, di mana setiap mata kuliah direpresentasikan sebagai simpul dan hubungan konflik sebagai sisi yang menghubungkan simpul-simpul tersebut. Proses pewarnaan graf dilakukan untuk menentukan slot waktu yang berbeda bagi mata kuliah yang saling berkonflik. Data yang digunakan terdiri dari enam mata kuliah dengan atribut dosen, kelas, dan ruang. Hasil penelitian menunjukkan bahwa algoritma Welch-Powell mampu menghasilkan penjadwalan yang tidak mengalami benturan dengan jumlah slot waktu yang efisien. Dengan demikian, metode ini dapat menjadi solusi sederhana dan efektif dalam menyusun jadwal perkuliahan secara optimal.
Co-Authors Adidtya Perdana, Adidtya Angelina S. Saragih Azis Kurniadi Dea Anggraini Lastri Putri Silaban Niska, Debi Yandra