Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Rekayasa Informasi dan Komputer International Journal of Applied Artificial Intelligence and Robotics (IJAIC)
Rahmad Hidayat
Jurusan Teknologi Informasi dan Komputer, Politeknik Negeri Lhokseumawe
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Sistem Pendukung Keputusan Untuk Pemilihan Usaha Menggunakan Metode Simple Additive Weighting Study Kasus Kota Lhokseumawe Akramul Fata; Rahmad Hidayat; Huzaeni Huzaeni
Jurnal Teknologi Rekayasa Informasi dan Komputer Vol 8, No 1 (2025): JURNAL TRIK - POLITEKNIK NEGERI LHOKSEUMAWE
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jtrik.v8i1.7274

Abstract

Pemilihan usaha merupakan aspek krusial dalam dunia bisnis yang memerlukan pengambilan keputusan yang tepat. Dalam konteks ini, Seiring dengan menurunnya lapangan kerja di Kota Lhokseumawe, semakin banyak orang yang tertarik untuk memulai usaha mereka sendiri. Namun, tantangan yang dihadapi adalah kesulitan dalam memilih jenis usaha yang tepat untuk dibangun, terutama ketika modal yang tersedia terbatas. Keinginan untuk mandiri secara ekonomi memulai usaha sendiri bertentangan dengan keterbatasan pengetahuan dan sumber daya yang dimiliki oleh calon pengusaha. Oleh karena itu dibutuhkan suatu sistem pendukung keputusan sebagai pendukung keputusan dalam memilih usaha yang tepat dikota lhokseumawe. Metode simple additive weighting adalah metode yang cocok untuk digunakan sebagai metode untuk pendukung keputusan. Hasil penelitian ini menunjukkan bahwa sistem ini dapat mengambil keputusan dalam menentukan usaha yang cocok untuk dibangun dikota lhokseumawe. Kriteria usaha diambil berdasarkan survei (Kuesioner) yang dibagikan melalui google form. Hasil dari penelitian ini menunjukkan bahwa terdapat 27 data yang uji pada sistem. Dari 27 data tersebut menghasilkan 5 alternatif perangkingan yaitu Sangat Cocok, Cocok, Kurang Cocok,  Tidak Cocok, dan Sangat Tidak Cocok.
An Intelligent Student Attendance System Based on Facial Image Recognition Using YOLOv5: A Case Study at Politeknik Negeri Lhokseumawe Heri Maulana; Azhar Azhar; Rahmad Hidayat; Eni Mawardhaningrum
International Journal of Applied Artificial Intelligence and Robotics Vol 2 No 1 (March 2026)
Publisher : PT. Literasi Teknologi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.67745/ijaic.v2i1.15

Abstract

You Only Look Once (YOLO) is an effective deep learning method for real-time object detection. This method is applied to build an accurate, fast facial recognition model, with a case study on an attendance system based on facial images at the Lhokseumawe State Polytechnic. The main objective is to implement and evaluate the YOLOv5s model's performance on the attendance system using facial images with high accuracy. The research process includes collecting facial image datasets from 40 subjects with various viewing angles to train the YOLOv5s model. This model is specifically configured to detect one class of objects, namely faces, and then integrated into the system to function as the main face detector. Model performance is evaluated quantitatively using a confusion matrix to measure key metrics such as accuracy, precision, recall, and F1 score. The evaluation results show that the developed YOLOv5s model has excellent performance. This model achieved 90% accuracy, with a precision and recall of 92%. The balanced F1-score value (92%) proves that the YOLOv5s method has a high level of accuracy for detecting faces. The high-performance metrics confirm that this method is the right solution for building an attendance system based on accurate facial images.
Co-Authors Akramul Fata Azhar Azhar Eni Mawardhaningrum Heri Maulana Huzaeni Huzaeni