Article Per Year (5 Year)
p-Index From 2020 - 2025
4.638
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Elektronika Listrik dan Teknologi Informasi Terapan bit-Tech Jurnal Computer Science and Information Technology (CoSciTech) Journal of Computer Scine and Information Technology Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Komtekinfo RJOCS (Riau Journal of Computer Science) CSRID
Yuhandri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Materials Science & Nanotechnology Mathematics

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
JARINGAN SYARAF TIRUAN DENGAN LEARNING VECTOR QUANTIZATION (LVQ) UNTUK KLASIFIKASI DAUN: ARTIFICIAL NEURAL NETWORKS USING LEARNING VECTOR QUANTIZATION (LVQ) FOR LEAF CLASSIFICATION Soeheri; Rita Sari; Wahyu Saptha Negoro; Yuhandri
Computer Science Research and Its Development Journal Vol. 16 No. 1 (2024): February 2024
Publisher : LPPM Universitas Potensi Utama

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

Abstract

Leaves are one part of a plant species that is commonly used to classify plant and plant species. The process of assisting various types of leaves usually involves experts using a herbarium, which is a collection of preserved plant specimens. Leaf classification is the detection of different types of leaves, where there are 2 types of leaves including Magnolia Soulangeana and Invillea leaves. The training data contains 30 images consisting of 15 each of the 2 types of leaves, then the test data contains 20 images which are also taken from the 2 types of leaves. So that the total images used are 50 leaf images. The leaf classification uses feature extraction and the method used in the classifier is Learning Vector Quantization (LVQ) which is a pattern classification method in which each output unit represents a particular class or group. The test results showed that the process of calling Magnolia Soulangeana and Bougainvillea leaves in this experiment was successful with 80% detection Keywords—Leaf classification, Learning Vector Quantization, Artificial Neural Networks, Feature extraction.
Analisis Sentimen Terhadap Opini Publik pada Sosial Media Twitter Menggunakan Metode Support Vector Machine Ade Dwi Dayani; Yuhandri; Widi Nurcahyo, Gunadi
Jurnal KomtekInfo Vol. 11 No. 1 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i1.439

Abstract

Perkembangan topik childfree kini menjadi pembahasan yang ramai diperbincangkan oleh publik. Hangatnya kembali topik childfree di karenakan seorang pegiat sosial media yang memutuskan untuk memilih childfree dan mengemukakannya ke media sosial. Penelitian ini bertujuan untuk melakukan sentimen analisis klasifikasi terhadap opini publik pada sosial media twitter. Metode analisis klasifikasi yang digunakan mengadopsi kinerja metode Support Vector Machine (SVM) untuk menyajikan keluaran yang optimal. Dataset penelitian diambil dengan menggunakan teknik crawling yang bersumber dari sosial media Twitter. Dataset penelitian yang diperoleh akan di klasifikasi ke dalam model sentimen positif, negatif, dan netral. Hasil pengujian analisis SVM berdasarkan data sampel diperoleh hasil analisis klasifikasi dengan tingkat akurasi sebesar 69,69%, recall sebesar 45,60%, precision sebesar 51,56%, dan F1-Score 46%. Berdasarkan hasil penelitian yang diperoleh, kinerja analisis SVM menunjukkan performa yang cukup dalam melakukan analisis klasifikasi terhadap opini publik pada sosial media twitter. Penelitian ini dapat berkontribusi dalam memberikan pengetahuan baru dalam pengklasifikasian menggunakan metode Support Vector Machine serta melihat bagaimana perkembangan topik childfree pada media sosial Twitter di Indonesia.
Penerapan Algoritma Frequent Pattern Growth Untuk Mengantisipasi Kekurangan Obat Pada Klinik Pulungan, Akhiruddin; Yuhandri; Sumijan
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.535

Abstract

Pelayanan kesehatan adalah segala bentuk kegiatan dan serangkaian kegiatan pelayanan yang diberikan secara langsung kepada perseorangan atau masyarakat untuk memelihara dan meningkatkan derajjat Kesehatan masyarakat dalam bentuk promotif, preventif, kuratif, rehabilitatif, dan/atau paliatif. Pelayanan kesehatan yang berkualitas penting untuk meningkatkan kesehatan dan kesejahteraan masyarakat secara keseluruhan. Ketersediaan obat tentunya juga termasuk salah satu pelayanan kesehatan. Tidak bisa dibayangkan jika pasien membutuhkan obat ketika diperlukan tetapi ketersediaan tidak tercukupi. Penelitian ini bertujuan untuk mengantisipasi kekurangan stok obat dengan memanfaatkan teknik Data Mining. Metode yang digunakan yaitu teknik asosiasi dengan Algoritma Frequent Pattern Growth. Algoritma ini memiliki tujuh tahapan yaitu menghitung frekuensi item set, menentukan support pada setiap item, membentuk FP-Tree, menentukan conditional pattern base, menentukan conditional FP-Tree, menentukan frequent pattern dan menghitung nilai support dan confidance. Dataset diambil dari riwayat kunjungan pasien pada bulan Maret-Mei 2023 sebanyak 70 kunjungan dan 32 jenis obat yang digunakan di klinik pesantren darul mursyid. Pada penelitian ini diberikan support sebesar 5% dan confidance 20 %. Hasil penelitian inidapat menghasilkan aturan asosiasi sebanyak 9 aturan asosiasi, dengan aturan jika metoclorpamid maka parasetamol dengan support 5.71% dan confidance 57.14%, jika parasetamol maka omegtamin dengan support 8.57% dan confidance 23.08%, jika omegtamin maka parasetamol 8.57% dan confidance 75%, jika cefixim maka citirizine dengan support 5.71% dan confidance 25%, jika citirizine maka cefixim dengan support 5.71% dan confidance 40%, jika amoxicillin maka asam mefenamat dengan support 8.57% dan confidance 40%, jika asam mefenamat maka amoxicillin dengan support 8.57% dan 60%, jika amoxicillin maka parasetamol dengan support 5.71% dan confidance 26.67% dan jika cefixim maka parasetamol dengan support 7.14% dan confidance 31.25%. Pemanfaatan teknik asosiasi dapat disimpulkan bahwasanya algoritma frequent pattern growth dapat digunakan dalam mencari dan menghitung pola asosiasi yang saling berkait dan mencari item yang sering muncul.
Penerapan Metode Naïve Bayes Dalam Mengklasifikasi Penyakit ISPA di Puskesmas Sonia Indhira; Yuhandri; Hendrik, Billy
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.541

Abstract

Perkembangan teknologi indonesia yang semakin pesat telah menandakan adanya perubahan transisi pada era kehidupan manusia yang baru Kemajuan teknologi memberikan dampak terhadap berbagai macam bidang, khususnya pekerjaan didalam dunia kesehatan seperti di Rumah Sakit. Salah satu penyakit yaitu Infeksi Saluran Pernapasan Akut atau yang kita sering sebut ISPA merupakan infeksi yang terjadi pada bagian sinus, tenggorokan, saluran udara, atau paru-paru. Kejadian penyakit batuk pilek pada balita di Indonesia diperkirakan 3 sampai 6 kali per tahun, yang berarti seorang balita rata- rata mendapat serangan batuk pilek sebanyak 3 sampai 6 kali setahun. Selain itu dari virus dan bakteri banyak factor-faktor penyebab terjadinya infeksi yaitu salah satunya dari asap rokok, system kekebalan tubuh pada anak-anak, dan lanjut usia yang sangat lemah membuat mereka semakin rentan terhadap serangan virus atau bakteri yang menyebabkan gejala infeksi. ISPA menjadi salah satu penyakit terbanyak yang diderita oleh anak-anak, baik dinegara berkembang maupun dinegara maju. Penelitian ini bertujuan untuk mengklasifikasi penyakit ISPA di Puskesmas. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes. Naïve Bayes dipilih karena merupakan salah satu dari metode pengklasifikasian yang simpel dan efisien. Data yang digunakan dalam penelitian ini merupakan data dari kasus ISPA yang ada pada Puskesmas Muaro Bodi dengan total mencapai 2.678 kasus. Dari 21 Responden didapat hasil pengolahan menggunakan metode Naïve Bayes yang terdiri dari 6 Responden ISPA Berat, 8 Responden ISPA Ringan dan 7 Responden Tidak ISPA. Tujuan akhir dari proses Klasifikasi penyakit ISPA dengan presentase kelas Penyakit ISPA lebih besar dari kelas Tidak ISPA. Maka dapat dinyatakan model proses Naïve Bayes termasuk layak digunakan sebagai penentuan hasil keputusan yang baik dalam hal prediksi dan klasifikasi.
Perancangan Sistem Pakar Dengan Metode Forward Chaining dan Certainty Factor Untuk Mendeteksi Penyakit Kelinci Sajida, Mayang; Yuhandri; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.546

Abstract

Pada era teknologi saat ini pemanfaatan kecerdasan buatan atau Artificial Intelligence telah meluas ke berbagai bidang kehidupan manusia. Kecerdasan buatan memiliki cakupan yang sangat luas dan mencakup berbagai aplikasi salah satunya adalah sistem pakar. Sistem pakar merupakan salah satu cabang dari Artificial Intelligence yang dirancang untuk meniru kemampuan dan pengetahuan seorang pakar dalam suatu bidang tertentu yang mempunyai tujuan untuk membuat keputusan yang tepat dan berbasis pengetahuan tersebut. Konteks dunia medis khususnya dalam diagnosis penyakit pada hewan, sistem pakar dapat dimanfaatkan untuk mendiagnosis berbagai penyakit berdasarkan gejala-gejala yang dialami oleh kelinci. Sistem ini dirancang untuk mengidentifikasi 6 jenis penyakit seperti Scabies, Gastroenteritis, Radang Telinga, Radang Mata, Hipocalcium dan Pneumonia, melalui analisis terhadap 24 gejala yang terkait. Penelitian ini bertujuan untuk merancang dan mengembangkan sebuah sistem pakar yang menggunakan metode Forward Chaining (FC) dan Certainty Factor (CF) sebagai teknik utama dalam mendeteksi penyakit pada kelinci. Penelitian ini mengembangkan sistem pakar berbasis online yang dirancang khusus untuk membantu para pemilik kelinci dalam proses diagnosis penyakit yang mungkin diderita oleh kelinci mereka. Sistem ini dibangun dengan tujuan untuk memberikan tingkat kepastian yang tinggi pada hasil diagnosis yang berkaitan dengan penyakit berbahaya pada kelinci. Indikator diagnosis didasari oleh gejala yang didapatkan berdasarkan riwayat diagnosis serta nilai probabilitas mengacu kepada nilai yang diberikan oleh pakar. Berdasarkan pengujian kinerja metode CF dan FC dalam diagnosis mendapatkan tingkat akurasi sebesar 90% berdasarkan data uji. Dengan akurasi tersebut, maka penelitian ini dapat dikatakan berhasil dalam melakukan deteksi penyakit pada kelinci.
Penerapan Forward Chaining dan Metode Certainty Factor dalam Merancang Sistem Pakar Diagnosa Gangguan Kepribadian Fernando Ramadhan; Yuhandri; Gunadi Widi Nurcahyo
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.548

Abstract

Sistem pakar adalah aplikasi kecerdasan buatan yang dirancang untuk meniru kemampuan pakar dalam mengambil keputusan atau memberikan diagnosis secara akurat dan efisien. Penelitian ini difokuskan pada pengembangan sistem pakar untuk mendiagnosis gangguan kepribadian dengan menggunakan metode Forward Chaining dan Certainty Factor. Gangguan kepribadian sering kali sulit dikenali karena gejalanya yang kompleks serta ketidakmampuan individu untuk menyadari adanya gangguan dalam dirinya. Tujuan utama penelitian ini adalah mempermudah proses diagnosis gangguan kepribadian dan memberikan solusi yang dapat diakses oleh masyarakat secara mandiri tanpa harus mengandalkan konsultasi dengan psikolog yang memerlukan biaya tidak sedikit. Sistem ini dirancang untuk mengidentifikasi 10 jenis gangguan kepribadian, termasuk Paranoid, Schizoid, Schizotypal, Antisosial, Borderline, Histrionik, Narsistik, Avoidant, Dependent, dan Obsessive-Compulsive, melalui analisis terhadap 79 gejala yang terkait. Metode Forward Chaining digunakan untuk menyusun aturan berdasarkan gejala-gejala yang dimasukkan oleh pengguna. Nilai Certainty Factor diperoleh dari pakar guna memberikan tingkat kepastian dalam diagnosis yang dihasilkan. Data rekam medis dari 10 pasien digunakan untuk mengevaluasi kinerja sistem ini. Hasilnya menunjukkan bahwa sistem pakar ini memiliki tingkat akurasi sebesar 98,1% dalam mendiagnosis gangguan kepribadian antisocial, dan akurasi diatas 90% untuk diagnosa data uji lainya. Sistem ini juga mampu mengidentifikasi beberapa pasien yang mungkin mengalami lebih dari satu jenis gangguan kepribadian dengan persentase yang berbeda-beda. Sistem pakar ini tidak hanya berfungsi sebagai alat bantu yang efektif bagi tenaga medis dalam memberikan diagnosis yang lebih tepat dan cepat, tetapi juga menawarkan solusi diagnosis mandiri yang lebih terjangkau dan mudah diakses oleh masyarakat luas. Sistem ini diharapkan dapat berkontribusi secara signifikan dalam meningkatkan kesadaran dan deteksi dini gangguan kepribadian serta mengurangi beban biaya yang harus dikeluarkan oleh individu yang memerlukan penanganan psikologis.
Analytic Hierarchy Process dan Multi Attribute Utility Theory untuk Penentuan Penerima Alsintan pada Dinas Pertanian Siregar, Diffri; Yuhandri; Sovia, Rini
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.549

Abstract

Alat dan Mesin Pertanian (Alsintan) merupakan alat pertanian yang digunakan sebagai fasilitas bantuan untuk memudahkan serta membantu para petani dalam proses pengelolaan lahan sampai hasil pertanian. Proses untuk mendapatkan manfaat Alsintan melibatkan kelompok petani yang mengajukan permintaan bantuan kepada dinas pertanian. Selanjutnya, petugas meninjau dokumentasi untuk menentukan kesesuaiannya, setelah disetujui proposal dikirim ke otoritas pusat (Kementerian Pertanian). Identifikasi kelompok petani yang memenuhi syarat untuk bantuan saat ini dilakukan masih bersifat manual, tidak memiliki sistem untuk mencatat data penilaian, yang mengakibatkan alokasi bantuan yang kurang tepat dan terarah. Penelitian ini bertujuan untuk menentukan penerima bantuan yang layak dan pantas mendapatkan dukungan Alsintan dengan menerapkan konsep pendukung keputusan. Sistem pendukung keputusan adalah proses metodis dalam memilih opsi terbaik dari beberapa pilihan lalu menggunakan opsi pilihan tersebut untuk memecahkan permasalahan secara metodis. Metode yang dipakai untuk penelitian penentuan penerima Alsintan yaitu kombinasi Multi Attribute Utility Theory (MAUT) dan Analytic Hierarchy Process (AHP), dimana metode AHP digunakan sebagai penentuan bobot kriteria dan metode MAUT digunakan untuk perangkingan alternatif. Metode AHP memiliki 7 tahapan yaitu membuat struktur hirarki, kriteria perbandingan berpasangan, menghitung konsistensi logis, menghitung eigen vector, menghitung Consistency Index (CI), menghitung Consistency Ratio (CR), dan memeriksa konsistensi. Metode MAUT terdapat 4 tahapan diantaranya membuat matriks keputusan, menghitung normalisasi matriks, menghitung utilitas margin, dan menghitung utilitas akhir. Dataset yang didapatkan dalam penelitian berjumlah 54 data dimana data yang digunakan untuk perhitungan dengan menerapkan metode AHP dan MAUT yaitu 10 data. Hasil akhir perhitungan menggunakan metode AHP dan MAUT menghasilkan alternatif yang mendapatkan nilai total tertinggi yaitu alternatif Sidabu-dabu dengan nilai total 0.9271, sedangkan alternatif dengan nilai total terendah yaitu alternatif Sejahtera dengan nilai 0.1864. Berdasarkan penelitian yang telah dilakukan ini bisa menjadi pertimbangan untuk dinas pertanian Padang Lawas dalam menentukan keputusan kelompok tani yang layak dalam penerimaan bantuan Alsintan.
Perbandingan Algoritma Queue Type SFQ, RED,FIFO dan PCQ Pada Jaringan Nirkabel Berbasis Router Mikrotik Auriga, Wira; Yuhandri; Sumijan
Jurnal KomtekInfo Vol. 11 No. 3 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i3.550

Abstract

Jaringan nirkabel menawarkan fleksibilitas, kecepatan transfer data tinggi yang menawarkan kecepatan transfer data yang jauh lebih tinggi, latensi lebih rendah, dan kemampuan untuk menghubungkan lebih banyak perangkat secara bersamaan. Selain itu, infrastruktur nirkabel memungkinkan fleksibilitas yang lebih besar dalam desain dan penataan ruang kerja, karena tidak memerlukan instalasi kabel fisik yang rumit dan mahal. Jaringan nirkabel juga mempunyai beberapa kelemahan, seperti interferensi sinyal dan jangkauan yang terbatas, yang dapat mempengaruhi kualitas koneksi jaringan nirkabel di lingkungan kampus Sekolah Tinggi Teknologi Payakumbuh, Kualitas jaringan nirkabel sangat penting untuk mendukung kegiatan pembelajaran online, transaksi data akademik, dan pertukaran informasi. Penelitian ini bertujuan untuk mengetahui kualitas infrastruktur jaringan nirkabel di kampus Sekolah Tinggi Teknologi Payakumbuh guna meningkatkan kualitas jaringan intenet untuk mendukung kegiatan pembelajaran online, transaksi data akademik dan pertukaran informasi. Metode yang digunakan dalam penelitian ini adalah perbandingan kinerja beberapa tipe antrian queue type pada router Mikrotik, seperti Stochastic Fairness Queue, Random Early Drop, First In First Out dan Per Connection Queue. Penelitian ini juga melakukan pengukuran dan pengambilan data sample kualitas jaringan nirkabel menggunakan standar Quality of Service Telecomunications and Internet Protocol Harmonization Over Network dengan indikator throughput, bandwidth, delay, dan packet loss untuk masing-masing trafik upload dan download dengan total 32 pengukuran sample upload dan download jaringan internet nirkabel Sekolah Tinggi Teknologi Payakumbuh menggunakan wireshark. Hasil penelitian metode SFQ menunjukkan peningkatan kinerja sebesar 6% dalam throughput upload, dengan penurunan delay dan jitter masing-masing sebesar 5.7% dan 5.6% dibandingkan FIFO. Sementara itu, metode FIFO unggul dalam mengurangi packet loss dan meningkatkan throughput download sebesar 1.7% dibandingkan metode lainnya. Metode RED, meskipun memperlihatkan beberapa peningkatan pada delay dan jitter download, memiliki trade-off berupa peningkatan packet loss sebesar 0.06% pada sisi download dibandingkan FIFO dan SFQ. Secara keseluruhan SFQ menawarkan kinerja yang lebih seimbang dan andal.
Penerapan Convolutional Neural Network Untuk Mengidentifikasi Penyakit Tanaman Kelapa Sawit Riati, Itin; Yuhandri; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.554

Abstract

Pemanfaatan teknologi dapat dikembangkan di segala bidang seperti dalam bidang perkebunan kelapa sawit. Tanaman kelapa sawit merupakan komoditas perkebunan di Indonesia yang telah berkembang dengan pesat, faktor – faktor yang mempengaruhi pertumbuhan dan produktivitas kelapa sawit harus diperhatikan seperti adanya hama dan penyakit tanaman kelapa sawit. kecerdasan buatan merupakan teknologi masa kini yang konsepnya memindahkan kecerdasan manusia ke dalam mesin. Terdapat beberapa jenis kecerdasan buatan yang digunakan dalam pendidikan yakni Machine learning dan Deep Learning, salah satu algoritma Deep Learning yang merupakan pengembangan dari Multilayer Perceptron (MPL) yang dirancang untuk mengolah data dalam bentuk dua dimensi, misalnya gambar atau suara yaitu Convolutional Neural Network (CNN). Metode yang dapat digunakan dalam melakukan identifikasi ini yaitu Convolutional Neural Network (CNN) yang dapat memplajari objek pada pola citra. Penelitian ini bertujuan untuk meningkatkan akurasi dalam deteksi penyakit serta hama pada bibit kelapa sawit, menggunakan dataset yang terdiri dari gambar bibit yang terinfeksi dan sehat. Data yang di ambil yaitu 800 data gambar bibit kelapa sawit yang di bagi menjadi 3 kelas yaitu bagus, kulvularia sp dan antraknosa. Parameter yang diujikan pada penelitian ini yaitu hidden layer dan optimizer berpengaruh terhadap performa sistem yang berupa nilai akurasi, precision, recall, fl-score, dan loss. Pada penelitian ini didapatkan hasil terbaik dengan penggunaan empat hidden layer dan optimizer Adam didapatkan hasil akurasi sebesar 91,66%, precision, recall, fl score sebesar 90% dan loss sebesar 0,0047 serta grafik performa akurasi dan loss secara good fit. Hasil penelitian menunjukkan bahwa CNN dapat secara efektif mendeteksi berbagai jenis hama dan penyakit pada tanaman kelapa sawit dengan akurasi lebih dari 90%. penelitian ini menunjukkan potensi besar dalam pertanian modern dan dapat memfasilitasi praktik pertanian yang lebih berkelanjutan dan efisien.
Efektivitas Metode Multi Attribute Utility Theory Dalam Menentukan Tingkat Keaktifan Belajar Siswa Sahri, Alfi; Yuhandri; Nurcahyo, Gunadi Widi
Jurnal KomtekInfo Vol. 11 No. 4 (2024): Komtekinfo
Publisher : Universitas Putra Indonesia YPTK Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35134/komtekinfo.v11i4.560

Abstract

Perkembangan teknologi informasi membawa peluang dan tantangan bagi dunia pendidikan, teknologi juga telah menjadi komponen integral untuk meningkatkan kualitas pengetahuan. Sistem manajemen pendidikan yang terkomputerisasi merupakan hal yang sudah sangat dibutuhkan saat ini. Bidang pendidikan mempunyai peranan yang sangat penting, terutama jika dikaitkan dengan upaya peningkatan mutu sumber daya manusia. Peningkatan kualitas Sumber Daya Manusia (SDM) merupakan hal yang harus secara terus menerus dilakukan untuk menumbuhkan siswa yang memiliki keterampilan seperti, berpikir kritis, menyelesaikan masalah, dan berkomunikasi. Kinerja siswa merupakan ukuran keberhasilan yang dicapai siswa selama menyelesaikan kegiatan pembelajaran. Hasil yang dapat dicapai siswa tidak terlepas dari peran dan kontribusi berbagai pemangku kepentingan, termasuk pemerintah dan institusi sekolah. Keaktifan belajar siswa merupakan kegiatan yang melibatkan siswa secara langsung selama proses pembelajaran, keaktifan siswa tentunya akan mudah dicapai apabila dilakukan secara efektif. Tujuan dari penelitian ini adalah untuk menentukan tingkat keaktifan belajar siswa. Metode pendekatan yang dapat digunakan dalam menentukan tingkat keaktifan belajar siswa, salah satu metode yang digunakan yaitu Metode Multi Attribute Utility Theory (MAUT), metode ini merupakan sebuah metode pada sistem pengambilan keputusan sebagai perbandingan dan untuk memproleh hasil alternatif yang unggul. Dataset yang diteliti terdiri dari 63 data siswa dengan menggunakan 10 kriteria yang akan menjadi sampel dalam mentukan tingkat keaktifan belajar siswa, kemudian memiliki 3 bobot untuk masing-masing kriteria. Hasil penelitian menunjukkan bahwa Metode Multi Attribute Utility Theory (MAUT) dapat digunakan untuk mendukung proses pengambilan keputusan dalam menentukan tingkat keaktifan belajar siswa di SMA N 1 RAO dengan tingkat akurasi 100%. Oleh karena itu penelitian ini dapat menjadi acuan dalam menentukan tingkatkeaktifan belajar siswa untuk selanjutnya.
Co-Authors Aal, Defrizal Ade Dwi Dayani Akbari Wafridh Arlis , Syafri Auriga, Wira Billy Hendrik Dian Maharani, Dian Edwar, Eggy Febyanti Eriyanto, Joko Fernando Ramadhan Fikri, Dzaki Al Gunadi Widi Nurcahyo Gunadi Widi Nurcahyo, Gunadi Hardianto, Romi Harkamsyah Andrianof Hendrik, Billy Idir Fitriyanto Idir Ilham Asy'ari Indah Dwi Putri Karseno, Doni Mardison Meiditra, Irzon Mey Yuki Lestari Mukhlis Santoso Pulungan, Akhiruddin Rahmansyah, Rizky Ramadhan, Prestian Ramadhanu, Agung Resnawita Riati, Itin Ridho, Ridho Afwan Rita Sari Rita Sari Rusydi, Rezki Sahri, Alfi Sajida, Mayang Saputra, Randy Sari, Fitri P. Sarjon Defit Siregar, Diffri Soeheri Soeheri Sonia Indhira Sovia, Rini Sumijan Supriyanto, Boby Syafri Arlis Syaputra, Eka B. Tri Agusti Farma Uthama, Rayhan Veri, Jhon Very, Jhon Wahyu Saptha Negoro Wahyu Saptha Negoro Yanti, Salma Nofri Yuda, Fitra Yuda