Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Bulletin of Information Technology (BIT) Journal Computer Science and Applied Technology
Yessica Siagian
Universitas Royal
Computer Science & IT Engineering

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

Found 6 Documents
Search

 1 
Comparison Of Machine Learning Algorithms For Rice Production Prediction Abdul Karim; Yuwaldi Away; Syahrial; Roslidar; Jeperson Hutahaean; William Ramdhan; Yessica Siagian
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 2 (2026): April 2026
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i2.7453

Abstract

Rice production forecasting plays an important role in supporting future agricultural planning, food supply management, and food security. Accurate yield prediction allows governments and farmers to estimate production outcomes and develop appropriate strategies to maintain stable food availability.This study addresses this gap by comparing four regression-based machine learning models: Random Forest, XGBoost, Support Vector Regression (SVR), and Artificial Neural Network (ANN). All models were trained and tested using the same dataset to ensure a fair evaluation. Model performance was measured using the coefficient of determination (R²). The results show that Random Forest achieved the best performance (R² = 0.963), followed by XGBoost (R² = 0.959). In contrast, SVR (R² = -0.064) and ANN (R² = -2.417) performed poorly, indicating limited predictive capability. Overall, these findings suggest that ensemble-based methods, particularly Random Forest and XGBoost, are more reliable and effective for rice production forecasting compared to SVR and ANN.
PERAMALAN PENJUALAN PRODUKSI KELAPA SAWIT DI AEK SAKUR DENGAN METODE TREND MOMENT Bahonan Kennedy Silalahi; Yessica Siagian; Jeperson Hutahaean
Journal Computer Science and Applied Technology Vol. 3 No. 1 (2025): J-CSAT - Februari
Publisher : PT. Cahaya Pena Tech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67401/j-csat.v3i1.21

Abstract

Penelitian ini bertujuan untuk merancang aplikasi peramalan penjualan produksi kelapa sawit dengan menggunakan metode trend moment dimana hasil peramalan diharapkan dapat membantu perusahaan memperkirakan penjualan produksi pada masa yang akan datang sehingga nantinya dapat dimanfaatkan pemilik perusahaan dalam membuat perencanaan kegiatan usaha seperti pemupukan dan perencanaan lainnya. Sistem aplikasi peramalan penjualan produksi kelapa sawit ini berbasis desktop dengan menggunakan perangkat komputer dan mengambil sampel data dari 2 (dua) lokasi perkebunan. Hasil pengujian sistem dapat berjalan dengan baik. Hasil perhitungan tingkat akurasi dengan menggunakan metode APE (Absolute Percentage Error) yang dilakukan menunjukkan keakuratan peramalan sebesar 95.95%. Kesimpulan dari hasil penelitian menunjukkan bahwa metode trend moment yang diaplikasikan ini dapat meramalkan penjualan produksi kelapa sawit pada periode berikutnya secara efektif dengan tingkat akurasi yang cukup tinggi.
PEMILIHAN KADER POSYANDU TELADAN MENGGUNAKAN METODE SAW Sri Muliyanti; Yessica Siagian; Masitah Handayani
Journal Computer Science and Applied Technology Vol. 3 No. 1 (2025): J-CSAT - Februari
Publisher : PT. Cahaya Pena Tech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67401/j-csat.v3i1.25

Abstract

Perkembangan teknologi informasi berbasis komputer telah memberikan kemudahan dalam proses pengambilan keputusan, khususnya pada pemilihan kader Posyandu teladan. Proses pemilihan yang masih dilakukan secara manual di Desa Pulau Rakyat menyebabkan penilaian bersifat subjektif dan kurang efisien karena banyaknya kriteria yang harus dipertimbangkan, seperti disiplin, masa kerja, sertifikat, tanggung jawab, dan Surat Keputusan (SK). Penelitian ini bertujuan untuk membangun Sistem Pendukung Keputusan (SPK) dalam pemilihan kader Posyandu teladan menggunakan metode Simple Additive Weighting (SAW). Metode SAW digunakan untuk melakukan perhitungan berbobot terhadap setiap alternatif berdasarkan kriteria yang telah ditentukan sehingga menghasilkan peringkat yang lebih objektif dan akurat. Hasil penelitian menunjukkan bahwa penerapan metode SAW dapat membantu panitia dalam menentukan kader terbaik secara lebih cepat, sistematis, dan transparan dibandingkan metode manual. Dengan demikian, sistem ini diharapkan dapat meningkatkan kualitas proses seleksi serta memotivasi kader untuk meningkatkan kinerja mereka dalam kegiatan Posyandu
SISTEM INFORMASI MANAJEMEN EKSTRAKURIKULER SEKOLAH MTS DAN MAS BUSTAANUL ULUUM Hasmidar Riyanti; Yessica Siagian; Havid Syafwan
Journal Computer Science and Applied Technology Vol. 3 No. 2 (2025): J-CSAT - Agusutus
Publisher : PT. Cahaya Pena Tech

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67401/j-csat.v3i2.26

Abstract

Perkembangan teknologi informasi telah memberikan pengaruh besar terhadap berbagai bidang, termasuk bidang pendidikan. Pemanfaatan sistem informasi berbasis web mampu membantu proses pengelolaan data dan penyampaian informasi secara cepat, tepat, dan efisien. MTS dan MAS Bustaanul Uluum Teluk Dalam masih menggunakan sistem manual dalam pengelolaan kegiatan ekstrakurikuler, mulai dari penjadwalan kegiatan, penentuan pembina, pengolahan data peserta, hingga proses monitoring kegiatan. Sistem manual tersebut menyebabkan proses pengelolaan data menjadi kurang efektif, rentan terjadi kesalahan, serta membutuhkan waktu yang cukup lama. Penelitian ini bertujuan untuk merancang sistem informasi manajemen ekstrakurikuler berbasis web yang dapat membantu pihak sekolah dalam mengelola data ekstrakurikuler secara terkomputerisasi. Metode penelitian yang digunakan meliputi observasi, wawancara, dan studi pustaka, sedangkan metode pengembangan sistem menggunakan pendekatan waterfall. Hasil penelitian menunjukkan bahwa sistem informasi yang dirancang mampu membantu proses pengolahan data ekstrakurikuler, mempermudah penyampaian informasi, meningkatkan efektivitas pengelolaan kegiatan, serta memudahkan proses monitoring oleh pihak sekolah. Dengan adanya sistem ini diharapkan pengelolaan kegiatan ekstrakurikuler di MTS dan MAS Bustaanul Uluum Teluk Dalam menjadi lebih efektif dan efisien.
Heterogeneous Stacking Ensemble with SMOTE-Based Oversampling for Agricultural Commodity Price Prediction under Extreme Class Imbalance Yessica Siagian; Neni Mulyani; Jeperson Hutahaean; Dinda Maharani; Jenny Erlita
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 10 No 5 (2026): October 2026 (In progress)
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v10i5.8065

Abstract

Predicting agricultural commodity prices is vital for food security and market stability, but price data is highly non-linear, high-cardinality, and severely imbalanced, rendering conventional accuracy metrics misleading. This study proposes a heterogeneous stacking ensemble of LightGBM, XGBoost, and Random Forest base learners with a LightGBM meta-learner, evaluated against five BorderlineSMOTE oversampling variants and four ensemble configurations under a 282:1 class imbalance. A controlled ablation across six configurations — including a new factorial design that isolates the contributions of oversampling and an MLP base learner — demonstrates that performance is driven by the stacking architecture rather than by synthetic oversampling or deep learning components. The ensemble without oversampling achieves MCC = 0.9509 and AUC-OvR = 0.9908 on the held-out test set, while the addition of an MLP base learner yields no consistent improvement (|ΔMCC| < 0.008 across both SMOTE and no-SMOTE conditions). These findings identify cost-sensitive heterogeneous stacking as an effective and computationally tractable strategy for highly imbalanced tabular agricultural data, and establish that synthetic oversampling and MLP-based components are unnecessary under these conditions.
Analysis of the Spatial Distribution of Rice Prices Acrossprovinces in Indonesia Using the K-Means Algorithm Parini; Yessica Siagian; Guntur Maha Putra; Julpan Hartono Suria Manja Manurung; Nuri Apriani; Putri Wulandari
Bulletin of Information Technology (BIT) Vol 7 No 3: September 2026
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bit.v7i3.3146

Abstract

Differences in rice prices across provinces in Indonesia reflect variations in distribution and market conditions that can be analyzed using a data clustering approach. This study aims to map the characteristics of interprovincial rice prices using the K-Means Clustering algorithm. The dataset consists of prices for Premium Rice, Medium Rice, Non-SPHP Medium Rice, and SPHP Rice obtained from official government data. The research stages included data preprocessing, transformation, normalization using StandardScaler, determining the number of clusters using the Elbow Method and Silhouette Score, and visualizing the results using Principal Component Analysis (PCA). The Elbow Method results indicated an efficient point at K = 5, while the highest Silhouette Score of 0.5658 was obtained at K = 7; thus, seven clusters were selected as the best model. PCA visualization reveals that provinces in Indonesia exhibit rice price characteristics that form seven groups with varying degrees of similarity. The research results indicate that the K-Means algorithm is capable of effectively identifying rice price clustering patterns and producing a map that can support the analysis of inter-regional price characteristics as a basis for formulating food distribution policies and stabilizing rice prices in Indonesia.
Co-Authors . Roslidar Abdul Karim Bahonan Kennedy Silalahi Dinda Maharani Guntur Maha Putra Hasmidar Riyanti Havid Syafwan Jenny Erlita Jeperson Hutahaean Jeperson Hutahaean Julpan Hartono Suria Manja Manurung Masitah Handayani Neni Mulyani Nuri Apriani Parini Putri Wulandari Sri Muliyanti Syahrial, Syahrial William Ramdhan Yuwaldi Away