Article Per Year (5 Year)
p-Index From 2021 - 2026
8.343
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research RABIT: Jurnal Teknologi dan Sistem Informasi Univrab JURNAL MEDIA INFORMATIKA BUDIDARMA PROCESSOR Jurnal Ilmiah Sistem Informasi, Teknologi Informasi dan Sistem Komputer JMM (Jurnal Masyarakat Mandiri) Sebatik JURNAL PENDIDIKAN TAMBUSAI Jurnal Ilmiah Media Sisfo Journal of Information Technology and Computer Engineering JURTEKSI Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal JOURNAL OF SCIENCE AND SOCIAL RESEARCH EXPLORE Jurnal Review Pendidikan dan Pengajaran (JRPP) Jurnal Teknologi Informasi dan Pendidikan Jusikom: Jurnal Sistem Informasi Ilmu Komputer bit-Tech Jurnal Sistem Informasi dan Informatika (SIMIKA) JATI (Jurnal Mahasiswa Teknik Informatika) Indonesian Journal of Electrical Engineering and Computer Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Infortech Jurnal Pendidikan Guru (JPG) Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Majalah Ilmiah UPI YPTK Journal of Computer Scine and Information Technology Bulletin of Computer Science Research KLIK: Kajian Ilmiah Informatika dan Komputer Jurnal Ipteks Terapan : research of applied science and education Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence EXPLORE Jurnal Komtekinfo Journal of Computers and Digital Business SmartComp JOURNAL OF COMMUNITY SERVICE AND APPLICATION SCIENCE (JCSAS) Kesatria : Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen) Jurnal Pustaka Robot Sister
Sovia, Rini
Universitas Putra Indonesia YPTK Padang, Padang
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy 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 Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Veterinary Other

Published : 85 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 85 Documents
Search

 3   4   5   6   7 
Penerapan Metode Simple Additive Weighting dan Fuzzy Logic dalam Menganalisa Mitigasi Risiko Rozakh, Muhammad; Siregar, Diffri; Nurcahyo, Gunadi Widi; Sovia, Rini; Rahman, Zumardi
Jurnal KomtekInfo Vol. 12 No. 1 (2025): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i1.621

Abstract

Risk management is a stage to identify and address risks affecting a system or project. The risk mitigation process takes time and must be carried out periodically to be effective. In the context of education, information technology plays an important role in increasing the speed and accuracy of decision-making, including in risk mitigation. This study aims to apply the Simple Additive Weighting (SAW) and Fuzzy Logic methods to provide recommendations for risk mitigation that must be prioritized in a university environment. This research method uses a combination of Simple Additive Weighting (SAW) and Fuzzy Logic. Starting with using SAW to determine the criteria, weights, and suitability ratings, followed by making a decision matrix and normalization. The ranking data is then processed with Fuzzy Logic to handle uncertainty and produce objective decisions through the formation of a rule-base, inference, and defuzzification. The research dataset consists of 50 risk records and criteria used in the risk mitigation process obtained from the University. The results of the study indicate that the application of DSS using the SAW and Fuzzy Logic methods provides recommendations for risk mitigation with the results of 1 data not recommended for risk mitigation, 8 data highly recommended, and 4 data recommended for mitigation. This study contributes to designing an effective decision support system, allowing university leaders to make appropriate risk mitigation decisions based on relevant and accurate data using the SAW and Fuzzy Logic methods
Klasifikasi Citra Buah Jeruk Mandarin dan Kelapa Menggunakan Algoritma PCA dan Metode K-Nearest Neighbor (KNN) Adinda Syalsabila; Saputra, Randy; Ridwan Sutri; Riyan Saputra; Sovia, Rini
JPG: Jurnal Pendidikan Guru Vol. 6 No. 2 (2025): JPG: Jurnal Pendidikan Guru
Publisher : Fakultas Keguruan dan Ilmu Pendidikan, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/jpg.v6i2.19351

Abstract

Dalam era digitalisasi, pengolahan citra digital menjadi salah satu bidang yang berkembang pesat, terutama dalam klasifikasi objek. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra buah, khususnya jeruk mandarin dan kelapa, dengan memanfaatkan algoritma Principal Component Analysis (PCA) dan metode K-Nearest Neighbor (KNN). PCA digunakan untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi proses klasifikasi. Sementara itu, KNN diterapkan sebagai metode klasifikasi untuk mengidentifikasi jenis buah berdasarkan fitur yang telah diekstraksi. Dataset yang digunakan terdiri dari sejumlah citra jeruk mandarin dan kelapa yang diambil dalam kondisi pencahayaan dan latar belakang yang bervariasi. Hasil eksperimen menunjukkan bahwa kombinasi PCA dan KNN mampu mencapai tingkat akurasi yang tinggi dalam klasifikasi citra buah, dengan akurasi rata-rata mencapai 95%. Temuan ini menunjukkan potensi besar dari pendekatan ini untuk diterapkan dalam sistem klasifikasi otomatis di industri pertanian dan perdagangan buah. Penelitian ini juga membuka peluang untuk pengembangan lebih lanjut dengan mengintegrasikan teknik machine learning lainnya untuk meningkatkan akurasi dan efisiensi sistem.
Performance Analysis With Wireless Lan Networks Using The Quality Of Service Method Wahyudi, Anggy; Hadi, Aulia Fitrul; Sovia, Rini
JITCE (Journal of Information Technology and Computer Engineering) Vol. 4 No. 01 (2020)
Publisher : Universitas Andalas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25077/jitce.4.01.45-48.2020

Abstract

The use of the internet currently has very high mobility, both used for streaming, browsing, downloading and uploading data. Along with the changing times and the demands for information services that are fast, precise, and accurate, making the network a major need, especially in the world of education. The use of internet facilities requires management to manage each data. For this reason, there is a need for Quality of Service on the network to optimize the distribution of networks evenly and fairly for each client and network user. The results of the study show that network quality by implementing Quality of Service is more optimal and network distribution is more even and stable
OPTIMIZING THE SELECTION OF THE BEST EDUCATIONAL TEACHING AIDS SUPPLIER IN DECISION-MAKING USING THE MOORA METHOD Rani, Maha; Christy, Tika; Ardiansyah, Ricki; Sovia, Rini
JURTEKSI (Jurnal Teknologi dan Sistem Informasi) Vol 11, No 3 (2025): Juni 2025
Publisher : Universitas Royal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v11i3.3883

Abstract

Abstract: In the business world, supplier selection plays a crucial role in ensuring smooth company operations. Suppliers are responsible for providing raw materials with consistent quality, timely delivery, and competitive prices. The supplier selection process requires evaluation based on various criteria such as product quality, availability, packaging, price, and warranty. Currently, SNM Store places orders by contacting suppliers one by one via telephone to inquire about item availability. This method is time-consuming and may lead to delays in fulfilling item requirements. To address this issue, a Decision Support System (DSS) is needed to assist in efficiently determining the best supplier. One method that can be used in this system is MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis). MOORA is known to be effective in handling multi-criteria decision-making by simultaneously optimizing multiple objectives. This method also reduces subjectivity by assigning weights to each criterion and uses simple and fast calculations to evaluate the available alternatives. The objectives of this research are to identify the key criteria in supplier selection, apply the MOORA method in an efficient and user-friendly evaluation and selection process, and improve the operational efficiency of SNM Store in procurement so that item availability can be ensured in a timely manner. Keywords: decision support system ; MOORA; supplier Abstrak: Dalam dunia bisnis, pemilihan supplier memegang peranan penting dalam memastikan kelancaran operasional perusahaan. Supplier bertanggung jawab menyediakan bahan baku dengan kualitas konsisten, pengiriman tepat waktu, dan harga kompetitif. Proses seleksi supplier memerlukan evaluasi terhadap berbagai kriteria seperti kualitas produk, ketersediaan, pengemasan, harga, dan garansi. Toko SNM saat ini melakukan pemesanan dengan menghubungi supplier satu per satu melalui telepon untuk menanyakan ketersediaan barang. Metode ini memakan waktu dan dapat menyebabkan keterlambatan dalam pemenuhan kebutuhan barang. Untuk mengatasi hal tersebut, diperlukan sistem pendukung keputusan (Decision Support System) yang dapat membantu dalam menentukan supplier terbaik secara efisien. Salah satu metode yang dapat digunakan dalam sistem ini adalah MOORA (Multi-Objective Optimization on the Basis of Ratio Analysis). MOORA dikenal efektif dalam menangani keputusan multi-kriteria dengan mengoptimalkan berbagai tujuan secara bersamaan. Metode ini juga mengurangi subjektivitas melalui pemberian bobot pada tiap kriteria dan menggunakan perhitungan yang sederhana serta cepat dalam mengevaluasi alternatif yang tersedia. adapun tujuan dari penelitian ini adalah untuk mengidentifikasi kriteria-kriteria penting dalam pemilihan supplier, menerapkan metode MOORA dalam proses evaluasi dan seleksi yang efisien dan mudah digunakan, serta meningkatkan efisiensi operasional Toko SNM dalam hal pengadaan barang agar ketersediaan barang dapat terjamin tepat waktu. Kata kunci: MOORA; sistem penunjang keputusan; supplier; 
PENDIAGNOSAAN PENYAKIT KARIES GIGI MENGGUNAKAN FUZZY EXPERT SYSTEM DENGAN KOMBINASI METODE FUZZY LOGIC TSUKAMOTO DAN CERTAINTY FACTOR Dila, Rahmah; Wirdawati, Wira; Rinaldi Chan, Fajri; Harnaranda, Jefri; Sovia, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13855

Abstract

Penyakit karies gigi atau yang biasa disebut gigi berlubang merupakan penyakit gigi yang berawal dari gigi berlubang yang menjadi masalah serius jika tidak ditangani dengan baik. Dampak awal dimulai dari gigi keropos, gigi berlubang, dan gigi patah. Penyakit ini akan membahayakan nyawa manusia jika tidak diatasi dengan cepat. Oleh sebab itu, sangat penting dilakukan diagnosis dini agar dapat dilakukan pencegahan atau pengobatan lebih awal. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis fuzzy expert system yang menggabungkan metode fuzzy logic Tsukamoto dan certainty factor untuk mendiagnosis penyakit karies gigi. Metode fuzzy logic memungkinkan sistem untuk menangani ketidakpastian dan ambiguitas dalam gejala yang dilaporkan oleh pasien, sementara certainty factor memberikan bobot pada informasi yang ada untuk menghasilkan keputusan yang lebih akurat. Dengan menggunakan pendekatan ini, sistem diharapkan dapat memberikan rekomendasi diagnosis yang lebih baik dan membantu dokter gigi dalam pengambilan keputusan. Metode certainty factor dan fuzzy logic Tsukamoto mendiagnosa masalah Karies Gigi untuk menghitung tingkat akurasi jenis masalah yang dialami berdasarkan gejala-gejala yang dirasakan oleh Pasien. Dari pengujian diperoleh hasil tingkat akurasi sebesar 41,82 %. Sistem pakar yang dihasilkan dapat membantu pasien dalam berkonsultasi untuk menangani masalah penyakit Karies Gigi dan Penelitian ini diharapkan dapat menjadi langkah awal dalam penerapan teknologi informasi untuk meningkatkan kesehatan gigi dan mulut di masyarakat.
PERBANDINGAN KINERJA PCA-KNN DAN LDA DALAM KLASIFIKASI JENIS KUPU-KUPU: ANALISIS AKURASI DAN EFEKTIVITAS Chairunnissa Deliva Akbar, Syifa; Agus Salim, David; Rahmad, Rahmad; Khomsi, Ahmad; Sovia, Rini
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13863

Abstract

Kupu-kupu merupakan serangga yang tergolong dalam ordo Lepidoptera atau serangga bersayap sisik. Keanekaragaman spesies kupu-kupu menjadi objek penelitian yang menarik dalam bidang ekologi, biologi, dan ilmu komputer, khususnya dalam bidang pengolahan citra digital dan kecerdasan buatan. Penelitian ini membandingkan kinerja metode Principal Component Analysis (PCA) dengan K-Nearest Neighbor (KNN) dan Linear Discriminant Analysis (LDA) dalam mengklasifikasikan jenis kupu-kupu Chestnut dan Clouded Sulphur. Perbandingan ini dilakukan untuk mengevaluasi efektivitas metode reduksi dimensi PCA dalam meningkatkan efisiensi klasifikasi dibandingkan dengan pendekatan pemisahan kelas berbasis LDA. PCA digunakan untuk mereduksi dimensi data guna meningkatkan efisiensi klasifikasi, sedangkan KNN dan LDA berperan sebagai algoritma klasifikasi dengan pendekatan yang berbeda dalam memisahkan kelas data. Hasil penelitian ini menunjukkan bahwa penggunaan metode PCA dalam klasifikasi citra kupu-kupu Chestnut dan kupu-kupu Clouded Sulphur dapat meningkatkan efisiensi dan keakuratan sistem secara signifikan. Hal ini dibuktikan dengan akurasi yang dicapai oleh PCA-KNN sebesar 93,3%, sedangkan LDA-KNN hanya mancala 80%.
KLASIFIKASI CITRA DALAM IDENTIFIKASI KOL DAN WORTEL MENGGUNAKAN ALGORITMA LDA DAN KNN Nurdiansyah, Ali; Erlanda, Hadrian; Syafril, Syafril; Roza, Yesi Betriana; Sovia, Rini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.2894

Abstract

Abstract: Agriculture is an important sector in the Indonesian economy, where vegetables such as cabbage (Brassica oleracea var. capitata) and carrots (Daucus carota subsp. sativus) play a significant role in meeting the nutritional needs of the community. With the increasing demand for fresh vegetable products, it is important to ensure accurate and efficient identification of these types of vegetables. Mistakes in identification can result in economic losses and affect the quality of products reaching consumers. Image processing technology and machine learning algorithms offer promising solutions to this problem. Image classification, which involves visual analysis of vegetable images, can be used to identify species based on features extracted from the image. Based on these problems, researchers are interested in conducting research on image classification of 2 types of vegetables, namely cabbage and carrots using the KNN and LDA algorithms. From this system, the accuracy results of the classification of green cabbage, purple cabbage and carrots using the KNN and LDA methods were 92.8571%. This research is expected to provide new insights into the use of modern technology to support the preservation and utilization of vegetable types and sustainability. Keyword: Hybrid Intelligence System; Vegetable Classification; Image Processing; LDA; KNN Abstrak: Pertanian merupakan sektor penting dalam perekonomian Indonesia, di mana sayuran seperti kubis (Brassica oleracea var. capitata) dan wortel (Daucus carota subsp. sativus) memiliki peran signifikan dalam memenuhi kebutuhan gizi masyarakat. Dengan meningkatnya permintaan akan produk sayuran segar, penting untuk memastikan identifikasi yang akurat dan efisien terhadap jenis-jenis sayuran ini. Kesalahan dalam identifikasi dapat mengakibatkan kerugian ekonomi dan mempengaruhi kualitas produk yang sampai ke konsumen. Teknologi pemrosesan citra dan algoritma pembelajaran mesin menawarkan solusi yang menjanjikan untuk masalah ini. Klasifikasi citra, yang melibatkan analisis visual dari gambar sayuran, dapat digunakan untuk mengidentifikasi spesies berdasarkan fitur-fitur yang diekstraksi dari citra tersebut. Berdasarkan permasalahan tersebut maka peneliti tertarik untuk melakukan penelitian mengenai klasifikasi citra 2 jenis sayuran yaitu kol dan wortel menggunakan algoritma KNN dan LDA. Dari sistem tersebut didapatkan hasil akurasi dari klasifikasi jenis sayur kol hijau, kol ungu dan wortel menggunakan metode KNN dan LDA sebesar 92.8571 %. Penelitian ini diharapkan dapat memberikan wawasan baru dalam penggunaan teknologi modern untuk mendukung pelestarian dan pemanfaatan jenis sayur dan berkelanjutan. Kata kunci: Hybrid Intelligence System; Klasifikasi Sayur; Pengolahan Citra; LDA; KNN
IDENTIFIKASI TINGKAT KEMATANGAN BUAH MANGGA MENGGUNAKAN METODE K-MEANS CLUESTERING DAN MEDIAN FILTER Yanti, Rahma; Yasmin, Nabilla; Putra, Kharisma Utama; Irawan, Hendri; Sovia, Rini
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol 8, No 2 (2025): May 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i2.2893

Abstract

Abstract: This study aims to develop an automatic system for identifying the ripeness level of mangoes using the K-Means Clustering and Median Filter methods. The background of this research is based on the agricultural industry's need for an objective ripeness assessment, as manual methods are often subjective and inefficient. The K-Means Clustering method is used to categorize mango ripeness based on skin color characteristics, while the Median Filter is applied to enhance image quality by reducing noise before clustering. This study utilizes a dataset of 120 mango images, consisting of 47 images for training and 73 images for testing. The results indicate that the combination of these two methods achieves a classification accuracy of 98%. These findings contribute to the development of digital image processing technology for applications in the agricultural and food industries. Keyword: Ripeness identification, K-Means Clustering, Median Filter, Image Processing, Mango. Abstrak: Penelitian ini bertujuan untuk mengembangkan sistem identifikasi tingkat kematangan buah mangga secara otomatis menggunakan metode K-Means Clustering dan Median Filter. Latar belakang penelitian ini didasarkan pada kebutuhan industri pertanian dalam menentukan tingkat kematangan mangga secara objektif, mengingat metode manual sering kali subjektif dan kurang efisien. Metode K-Means Clustering digunakan untuk mengelompokkan tingkat kematangan mangga berdasarkan karakteristik warna kulit, sedangkan Median Filter diterapkan untuk meningkatkan kualitas citra dengan mengurangi noise sebelum dilakukan proses klasterisasi. Penelitian ini menggunakan dataset sebanyak 120 citra mangga, yang terdiri dari 47 citra untuk pelatihan dan 73 citra untuk pengujian. Hasil penelitian menunjukkan bahwa kombinasi kedua metode ini mampu mengklasifikasikan tingkat kematangan mangga dengan akurasi sebesar 98%. Temuan ini memberikan kontribusi dalam pengembangan teknologi pemrosesan citra digital untuk aplikasi dalam industri pertanian dan pangan. Kata kunci: Identifikasi kematangan, K-Means Clustering, Median Filter, Pengolahan Citra, Mangga.
Prediction of Extreme Poverty Levels Using the Performance of the Multiple Linear Regression Method Borianto, B; Yuhandri, Y; Sovia, Rini
Jurnal KomtekInfo Vol. 12 No. 3 (2025): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v12i3.655

Abstract

Extreme poverty is a type of poverty that is defined as a condition that cannot meet basic human needs. The Government of Indonesia through Presidential Instruction No. 4 of 2022 sets a target for the elimination of extreme poverty, but this effort requires an accurate and comprehensive data-driven approach. This study aims to build a model for predicting extreme poverty levels. The method used in this study is Multiple Linear Regression (MLR), which is able to measure the contribution of each predictor variable to the phenomenon of extreme poverty. The dataset processed in this study was sourced from the Dumai City Social and Community Empowerment Office. The dataset consisted of 2,007 extreme poverty data with predictor variables in the form of residence ownership (X1), employment (X2), income (X3), education (X4), and health insurance (X5). The results of this study show that the Multiple Linear Regression method is able to provide accurate predictions of the extreme poverty level in Dumai City with an accuracy rate of 87%. The model evaluation was carried out using three metrics based on the results of the test obtained R = 0.674 and R² = 0.454, which means that 45.4% of the variation in poverty status can be explained by the variables of home ownership, type of occupation, amount of income, education level, and health insurance. The ANOVA test showed a value of F = 332.777 with a significance of < 0.001, so the model was simultaneously significant. The regression coefficient showed that all variables had a negative and significant influence (p < 0.05) on poverty status, with the greatest influence coming from the type of job (β = -0.304) and amount of income (β = -0.291), followed by home ownership, health insurance, and education level. Thus, the Multiple Linear Regression method has proven to be effective in building an extreme poverty prediction system. This model can be a basic reference in supporting more targeted, measurable, and data-based socio-economic policy decision-making, especially in efforts to combat extreme poverty in a sustainable and systematic manner.
Penerapan Metode Profile Matching pada Penilaian Kinerja Dosen Effendy, Geraldo Revanska; Yuhandri, Yuhandri; Sovia, Rini
Jurnal PROCESSOR Vol 20 No 2 (2025): Jurnal Processor
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/processor.2025.20.2.2502

Abstract

The evaluation of lecturer performance at Adzkia University faces challenges in terms of inefficient data processing. This research aims to implement the Profile Matching method to optimize the lecturer performance assessment system, evaluate its effectiveness, and develop an application based on this method. The research was conducted using a quantitative method employing Profile Matching, which includes several stages: GAP calculation, GAP mapping, core factor and secondary factor analysis, total value calculation, and ranking determination. The evaluation was conducted on 38 lecturers considering five main criteria: Adzkian Values, Education, Research, Community Service, and Supporting Activities, which are detailed in 28 sub-criteria. The implementation of the Profile Matching method proved to produce objective assessments by placing Lecturer 31 as the lecturer with the highest score (4.251), followed by Lecturer 3 and Lecturer 30 (4.092). The developed web-based application successfully integrated this method and improved the efficiency of the assessment process. This study demonstrates the effectiveness of the Profile Matching method in evaluating lecturer performance with more objective results. The implemented system helps BPSDM conduct assessments more efficiently and generate more structured reports.
Co-Authors Abuzar Gafari Adiddo Restiady Adinda Syalsabila Aditra Agus Salim, David Ahsan Firdaus Al-arrafi, Muhammad Ikhsan Amin Amirul Mukminin, Andi Anam, M Khairul Anggy Wahyudi ANIP FEBTRIKO Aulia Fitrul Hadi Aulia Fitrul Hadi Awal, Hasri Borianto, B Chairunnissa Deliva Akbar, Syifa Dede Pratama Deny Suyandi Deval Gusrion Devia Kartika Devita, Retno Dila, Rahmah Dwi Andhara Valkyrie Dwiki Aulia Fakhri Edo Rinaldi Rais Effendy, Geraldo Revanska Eka Praja Wiyata Mandala Elmi Rahmawati Elmi Rahmawati, Elmi Encik Yoega Renaldi Erlanda, Hadrian Fana, Wulan Stau Fatimah, Noor Firdaus Gema, Rima Liana Gunadi Widi Nurcahyo Guslendra Guslendra Guslendra Guslendra Gusriva, Revi Hadi, Aulia Fitrul Hadiyanto, Tegas Hanippa Prima Putra Harnaranda, Jefri Hartika Zain, Ruri Hartika Hendri Irawan Hendrik, Billy Heriyanto Hoka Muhgrah Sandawa Huda, Ramzil Ika Melinia Sapitri Fitriyanti Ilsa Hidayat Irzal Arief Wisky Islam, Md Ataul Jimmy Febio Julsapargi Nursam Khomsi, Ahmad Lidya Adriani Darma Lony Armawati Tambunan Lubis, Fitri Amelia Sari maha rani Maha Rani Mardhiah, Sitty Mhd Wedo Muhammad Aidil Rahman Muhammad Reza Putra Muhammad, Abulwafa Musli Yanto Musli Yanto Musli Yanto Mutiana Pratiwi Niken Rindiana Noviardi, Refli Nugraha, Fajri Nurdiansyah, Ali Nursam, Julsapargi Nursyahrina Permana, Randi Permana, Randy Prihandoko Putra, Kharisma Utama Putri Melati Putri Melati Rahmad Rahmad Rahman, Muhammad Aidil Rahman, Zumardi Rahmi, Nadya Alinda Raja Ayu Mahessya Ramadani, Sela Ramadhanu, Agung - Randa Mahardika Randy Permana Randy Permana Revi Gusriva Ricki Ardiansyah ricki ardiansyah Ricki Ardiansyah Ricki Ardiansyah, Ricki Ridwan Sutri Rinaldi Chan, Fajri Rindhani Aditia, Mellya Riska Amelia Riyan Saputra Riyan Saputra, Riyan Roza, Yesi Betriana Rozakh, Muhammad Ruri Hartika Zain Ruri Hartika Zain Ruri Hartika Zain S, Sumijan Sandawa, Hoka Muhgrah Saputra, Charisman Fajri Saputra, Oriza Rama Saputra, Randy Sarjo Defit Sarjon Defit Sarjon Defit Selfi Melisa Selvia, Dina Shally Amna Shary Armonitha Lusinia Shary Armonitha Lusinia Silky Safira Siregar, Diffri Sulastri Sulastri Sumijan Sumijan Sumijan Sumijan Sumijan Sumijan Sutri, Ridwan Syafri Arlis Syafril Syafril Syaiffullah, Afif Tika Christy Tri Rahayuningsih Tuti Nabila Wahyudi, Anggy Widya Nursanty Wifra Safitri Wirdawati, Wira Yanti, Rahma Yanto, Musli Yasmin, Nabilla Yenila, Firna Yuhandri Yuhandri Yuhandri Yuhandri Yuhandri, Yuhandri Yuhandri, Y