Claim Missing Document
Check
Articles

Penerapan Sistem Pakar Menggunakan Metode Certainty Factor Untuk Mendiagnosis Penyakit Vertigo Yunita Chaniago; Rizaldy Khair
Indonesian Journal of Science, Technology and Humanities Vol. 4 No. 1 (2026): IJSTECH - June 2026
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/ijstech.v4i1.2075

Abstract

Perkembangan teknologi informasi di bidang kesehatan mendorong pemanfaatan kecerdasan buatan untuk membantu proses diagnosis penyakit secara cepat dan akurat. Vertigo merupakan gangguan keseimbangan dengan gejala yang beragam sehingga sering sulit dikenali oleh masyarakat awam. Penelitian ini bertujuan untuk merancang dan membangun sistem pakar berbasis web menggunakan metode Certainty Factor untuk membantu diagnosis awal penyakit vertigo. Metode penelitian yang digunakan meliputi observasi, wawancara dengan pakar, dan studi pustaka. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan database MySQL dengan basis pengetahuan berupa 15 gejala dan 2 jenis vertigo, yaitu vertigo perifer dan vertigo sentral. Metode Certainty Factor digunakan untuk menghitung tingkat keyakinan diagnosis berdasarkan nilai keyakinan pakar dan pengguna. Hasil penelitian menunjukkan bahwa sistem mampu memberikan diagnosis awal beserta nilai kepastian dalam bentuk persentase berdasarkan gejala yang dipilih pengguna. Pengujian terhadap 20 data pasien menunjukkan bahwa sistem dapat membantu proses identifikasi awal vertigo secara cepat dan informatif. Dengan demikian, sistem pakar yang dikembangkan dapat digunakan sebagai alat bantu diagnosis awal vertigo berbasis web
Sistem Pakar Diagnosa Penyakit Krisan di Kabupaten Karo Menggunakan Dempster Shafer Rachma Vina Dikma; Rizaldy Khair
Nusantara Journal of Multidisciplinary Science Vol. 3 No. 10 (2026): NJMS - Mei 2026
Publisher : PT. Inovasi Teknologi Komputer

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

Abstract

Tanaman krisan (Chrysanthemum sp.) merupakan komoditas hortikultura bernilai ekonomi tinggi, namun produktivitasnya sering menurun akibat serangan penyakit dan hama yang sulit ditularkan secara tepat karena kesamaan gejala. Keterbatasan akses terhadap hama serta timbulnya gejala informasi menjadi kendala utama bagi petani dalam menentukan tindakan pengendalian yang efektif. Penelitian ini bertujuan mengembangkan sistem pakar berbasis web dengan menggunakan metode Dempster-Shafer untuk membantu proses diagnosis penyakit dan hama pada tanaman krisan di Kabupaten Karo. Metode ini digunakan untuk mengolah informasi gejala dengan menggabungkan berbagai bukti sehingga menghasilkan tingkat kepercayaan terhadap suatu diagnosis. Data diperoleh melalui studi literatur, wawancara, observasi, dan kuesioner kepada para pakar dan petani. Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan diagnosis yang akurat serta memberikan rekomendasi pengendalian yang sesuai. Pengujian sistem menunjukkan bahwa seluruh fungsi berjalan dengan baik dan sistem layak digunakan sebagai alat bantu diagnosis. Dengan demikian, sistem yang dikembangkan dapat meningkatkan diagnosis yang tepat, efisiensi waktu, serta mendukung pengambilan keputusan dalam pengendalian penyakit tanaman krisan
Analisis Sentimen Pengguna Aplikasi OVO pada Media Sosial X menggunakan Metode Naive Bayes dan Support Vector Machine (SVM) Annisa Qomariah; Rizaldy Khair
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2025): Mei : Jurnal Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59581/jusiik-widyakarya.v3i2.5148

Abstract

The rapid development of financial technology (fintech), particularly digital wallet applications like OVO, has significantly transformed transaction patterns in society. However, issues such as server instability and unsatisfactory user experiences frequently emerge on social media platforms. This study aims to analyze user sentiments toward OVO on platform X (formerly Twitter) by comparing the performance of two machine learning algorithms: Naïve Bayes and Support Vector Machine (SVM). Data were collected through web scraping from 1,000 Indonesian-language tweets containing the keyword "OVO." The research methodology included text preprocessing (data cleaning, tokenization, stopword removal), feature extraction using TF-IDF, and sentiment classification (positive, negative, neutral). Evaluation results demonstrated that SVM achieved the highest accuracy of 85.2%, while Naïve Bayes reached 78.5%. SVM also outperformed in precision (87%) and recall (83%) due to its ability to handle non-linear data. These findings provide actionable recommendations for OVO developers to enhance server stability and features based on user feedback. Additionally, this study serves as a reference for future sentiment analysis research employing algorithmic comparisons.
Analisis dan Implementasi Kinerja K-Nearest Neighbour dalam Menentukan Kelayakan Pemilihan Hewan Domba di PT Arjuna Farm Agung Setia Prayudha; Rizaldy Khair
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2025): Mei : Jurnal Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59581/jusiik-widyakarya.v3i2.5203

Abstract

This study aims to analyze and implement the K-Nearest Neighbor (KNN) algorithm in determining the feasibility of sheep selection at PT Arjuna Farm. In the livestock industry, selecting quality animals is very important to increase productivity and efficiency. KNN, as a simple but effective classification method, is used to analyze sheep characteristic data, such as body weight, age, and health, to identify animals that meet the eligibility criteria. The research methodology used in this study includes data collection, pre-processing, and application of the KNN algorithm. Data obtained from PT Arjuna Farm were processed and divided into training data and testing data. The results of the analysis show that the KNN algorithm is able to provide high accuracy in determining the feasibility of sheep selection, with a low error rate.
Analisis Perbandingan Algoritma K-MEANS dan DBSCAN Clustering Kondisi Ekonomi Masyarakat di Kelurahan Pulo Brayan Darat 1 Gladys Pra Adissha Nadira; Rizaldy Khair
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 3 No. 2 (2025): Mei : Jurnal Sistem Informasi dan Ilmu Komputer
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59581/jusiik-widyakarya.v3i2.5230

Abstract

Considering the current data-driven policies, economic disparities across metropolitan areas are an important factor to consider. This study focuses on a comparative analysis between the K-MEANS and DBSCAN algorithms in the process of clustering residents in Pulo Brayan Darat 1 Village, taking into account the economic conditions of each individual. Through this study, it is hoped that the more optimal algorithm for categorizing the community based on their economic well-being can be identified. A survey was used to collect data, including questions about income, number of children, and type of employment. The timing of implementation, interpretation of clustering findings, and the Silhouette Index were all used in the evaluation process. It is clear from the findings that DBSCAN can identify outliers and adapt better to irregular data patterns, while K-MEANS is faster and creates more organized clusters. This research offers lessons for policymakers in developing focused community welfare development programmers, which also aids in selecting an appropriate clustering system for socio-economic data.
Rancang Bangun Sistem Identifikasi Integritas File Digital Menggunakan Metode Hash Untuk Keperluan Forensik IT Luthfi Rahman; Rizaldy Khair
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 5 (2026): Edisi September 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i5.1112

Abstract

Perkembangan kejahatan siber yang semakin masif menyebabkan file digital rentan terhadap manipulasi dan pemalsuan tanpa meninggalkan jejak yang terlihat secara kasat mata. Dalam ranah forensik IT, keaslian dan integritas file digital merupakan syarat mutlak agar barang bukti dapat dipertanggungjawabkan secara hukum. Penelitian ini bertujuan membangun sistem berbasis web yang mampu mengidentifikasi integritas file digital secara otomatis menggunakan metode hash dengan mengintegrasikan tiga algoritma sekaligus, yaitu MD5, SHA-1, dan SHA-256. Metodologi penelitian menggunakan pendekatan kuantitatif eksperimen komputasional dengan model pengembangan sistem Waterfall. Sistem dibangun menggunakan bahasa pemrograman Python, framework Flask, dan basis data MySQL. Hasil penelitian berupa sistem yang mampu menghitung nilai hash dari file digital menggunakan ketiga algoritma secara simultan, menyimpan nilai hash sebagai referensi ke dalam basis data, membandingkan nilai hash secara otomatis, menampilkan status integritas file, serta menghasilkan laporan hasil verifikasi yang terdokumentasi. Pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi sistem berjalan sesuai dengan spesifikasi kebutuhan fungsional yang telah ditetapkan, dengan tingkat keberhasilan deteksi modifikasi file mencapai 100% pada seluruh skenario pengujian. Sistem ini diharapkan menjadi solusi teknis yang efektif bagi investigator digital dalam memverifikasi keaslian barang bukti file digital untuk keperluan forensik IT.
Sistem Keamanan Penyimpanan Dokumen Digital Menggunakan Algoritma AES-256 Berbasis Web Muhammad Asril Azmi; Rizaldy Khair
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 5 (2026): Edisi September 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i5.1113

Abstract

Keamanan dokumen digital menjadi aspek penting untuk melindungi informasi dari akses yang tidak sah. Penelitian ini bertujuan membangun sistem keamanan penyimpanan dokumen digital berbasis web menggunakan algoritma Advanced Encryption Standard (AES-256-CBC). Sistem dikembangkan menggunakan framework Laravel, bahasa pemrograman PHP, basis data SQLite, serta pustaka OpenSSL untuk proses enkripsi dan dekripsi dokumen. Metode pengujian yang digunakan adalah Black Box Testing untuk memastikan setiap fungsi sistem berjalan sesuai dengan kebutuhan fungsional. Fitur yang diuji meliputi login, unggah dokumen, enkripsi, dekripsi, pengunduhan, dan penghapusan dokumen. Hasil penelitian menunjukkan bahwa sistem berhasil mengimplementasikan algoritma AES-256-CBC dalam mengamankan dokumen digital. Dokumen yang diunggah dienkripsi secara otomatis sebelum disimpan, sedangkan proses dekripsi hanya dapat dilakukan menggunakan Encryption Key yang dimiliki pengguna. Selain itu, sistem menerapkan Initialization Vector (IV) yang dibangkitkan secara acak pada setiap proses enkripsi untuk meningkatkan keamanan data. Berdasarkan hasil pengujian Black Box, seluruh fitur utama sistem berjalan sesuai dengan kebutuhan fungsional yang telah dirancang. Dengan demikian, sistem yang dibangun mampu meningkatkan keamanan penyimpanan dokumen digital berbasis web.
Aplikasi Pendeteksi Plagiat Karya Tulis Ilmiah Berbasis Web Menggunakan NLP dan Algoritma KMP Muhammad Alimu Rofiq; Rizaldy Khair
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 5 (2026): Edisi September 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i5.1114

Abstract

Plagiarisme merupakan permasalahan serius dalam dunia akademik yang dapat menurunkan integritas ilmiah dan kualitas karya tulis ilmiah. Pemeriksaan plagiarisme secara manual dinilai kurang efektif karena membutuhkan waktu lama dan mengandung unsur subjektivitas. Penelitian ini bertujuan merancang dan membangun aplikasi pendeteksi plagiat terhadap karya tulis ilmiah berbasis web dengan mengintegrasikan Natural Language Processing (NLP) dan algoritma Knuth-Morris-Pratt (KMP). NLP digunakan dalam tahapan preprocessing teks meliputi case folding, cleaning, tokenizing, stopword removal, dan stemming menggunakan algoritma Nazief-Adriani yang disesuaikan untuk morfologi Bahasa Indonesia. Algoritma KMP kemudian digunakan untuk melakukan pencocokan pola kata secara efisien antar dokumen. Metode penelitian yang digunakan adalah Research and Development (R&D). Sistem diimplementasikan menggunakan PHP native 8.1, MySQL, Tailwind CSS, dan Alpine.js. Pengujian fungsional menggunakan black box testing terhadap 20 skenario menunjukkan seluruh fitur sistem berjalan valid. Pengujian performa menunjukkan sistem mampu menangani corpus lebih dari 2.400 dokumen dengan 11 juta kata, dengan waktu eksekusi 2,93 detik pada end-to-end test simulasi 635 dokumen. Pengujian akurasi similarity menghasilkan nilai 81,97%, 74,07%, dan 10,42%, membuktikan sistem mampu membedakan secara konsisten dokumen dengan tingkat kemiripan tinggi dan rendah. Perbandingan dengan Turnitin menunjukkan selisih 13,38 poin persentase yang disebabkan perbedaan cakupan corpus, bukan kesalahan algoritma. Dengan demikian, aplikasi yang dibangun dapat membantu proses pendeteksian kemiripan karya tulis ilmiah berbahasa Indonesia secara efektif, transparan, dan bebas biaya lisensi.
Implementasi Text Mining dan Support Vector Machine untuk Analisis Sentimen Pelayanan Puskesmas Sami Fitri; Rizaldy Khair
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 5 (2026): Edisi September 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i5.1117

Abstract

Puskesmas sebagai fasilitas kesehatan tingkat pertama menghadapi keterbatasan dalam mengolah opini masyarakat yang tersebar di media sosial dan kanal daring secara sistematis dan real-time. Penelitian ini bertujuan mengembangkan sistem analisis sentimen berbasis text mining dan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan opini masyarakat terhadap pelayanan Puskesmas Gurgur Pardomuan, Kabupaten Aceh Tenggara, ke dalam tiga kategori: positif, negatif, dan netral, sekaligus mengimplementasikannya dalam sistem berbasis web sebagai alat bantu evaluasi pelayanan. Penelitian ini menggunakan pendekatan kuantitatif yang dikombinasikan dengan pendekatan rekayasa sistem (system engineering approach). Data primer diperoleh melalui kuesioner daring dan ulasan masyarakat di media sosial, kemudian diproses melalui empat tahap text preprocessing (case folding, tokenizing, stopword removal, stemming), diekstraksi fiturnya menggunakan pembobotan TF-IDF (Term Frequency–Inverse Document Frequency), dan diklasifikasikan dengan SVM kernel linear berstrategikan One-vs-Rest (OvR). Model dilatih pada 200 data berlabel dengan komposisi 70 data positif (35%), 68 negatif (34%), dan 62 netral (31%), serta dievaluasi menggunakan confusion matrix pada 10 data uji independen. Evaluasi menunjukkan akurasi keseluruhan 70%, dengan performa sempurna pada kelas negatif (precision 100%, recall 100%, F1-score 100%), namun kelas netral masih terbatas (precision 50%, recall 33,33%, F1-score 40%) akibat ketimpangan jumlah data latih antarkelas. Pada konfigurasi pengujian dengan 30 data latih dan kernel linear, model mencapai akurasi 90%, precision 89,50%, recall 90,20%, dan F1-score 89,80%. Seluruh fitur sistem — input komentar, training model, klasifikasi sentimen, dan ekspor laporan — berhasil divalidasi melalui black-box testing. Temuan penelitian ini menunjukkan bahwa pendekatan text mining berbasis SVM dapat menjadi alternatif yang lebih responsif dibandingkan survei manual untuk memantau persepsi masyarakat terhadap layanan kesehatan primer di wilayah pedesaan Indonesia.
IMPLEMENTASI SISTEM IOT BERBASIS ESP32-CAM UNTUK DETEKSI KEASLIAN UANG DAN PENGENALAN NOMINAL UANG PADA OTOMATISASI PENCATATAN TRANSAKSI TUNAI UMKM Naufal Aidillah Fitra; Rizaldy Khair
JOURNAL SAINS STUDENT RESEARCH Vol. 4 No. 6 (2026): Desember : Jurnal Sains Student Research
Publisher : CV. KAMPUS AKADEMIK PUBLISING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61722/jssr.v4i6.12801

Abstract

Transaksi tunai pada Usaha Mikro, Kecil, dan Menengah (UMKM) masih menghadapi risiko kesalahan pencatatan serta penerimaan uang palsu ketika pemeriksaan dan pencatatan dilakukan secara manual. Penelitian ini bertujuan merancang dan mengimplementasikan sistem Internet of Things (IoT) berbasis ESP32-CAM untuk mendeteksi keaslian uang, mengenali nominal uang kertas rupiah, dan mencatat hasil deteksi secara otomatis. ESP32-CAM digunakan sebagai perangkat akuisisi citra yang mengirimkan gambar melalui jaringan Wi-Fi ke komputer untuk diproses menggunakan OpenCV dan dua model Convolutional Neural Network (CNN), yaitu model klasifikasi keaslian dan model pengenalan tujuh nominal rupiah. Dataset keaslian terdiri atas 5.600 citra, sedangkan dataset nominal terdiri atas 2.800 citra uang asli, dengan pembagian training, validation, dan testing sebesar 80:10:10. Model dikonversi ke TensorFlow Lite dan diintegrasikan dengan pemeriksaan Region of Interest (ROI), blur, brightness, serta kestabilan objek. Pada data pengujian, kedua model memperoleh accuracy 100%. Pengujian real-time berhasil mengklasifikasikan 14 sampel asli/palsu dan mengenali tujuh nominal dengan confidence nominal 35,14%-93,46%. Hasil deteksi dapat disimpan otomatis ke database MySQL dan ditampilkan melalui dashboard monitoring. Pada pengujian sistem keseluruhan, 12 dari 13 skenario berhasil, sedangkan satu skenario pembaruan status setelah uang diangkat mengalami kegagalan akibat gangguan jaringan. Secara keseluruhan, sistem dapat digunakan sebagai prototipe untuk membantu identifikasi uang dan mendukung otomatisasi pencatatan transaksi tunai pada UMKM.
Co-Authors Abd Rachman Abubar Abrar Hadi Ade Johar Maturidi Agung Satria Wiguna Agung Setia Prayudha Ahmad Faisal Ahmad Faisal Aini, Zahratul Amren S, Hairul Annisa Qomariah Asri Santosa Asrul Sani Ayub Wimatra Balqis Alhumairah Budiyantara, Agus Catra Indra Catra Indra Cahyadi Cut Roza Asminanda Daris Fauzan Abila Darmeli Nasution Devy Liani Herawati Dian Noviandri Dwiyanto . Eka Wulandari Surbakti Ekatri Ayuningsih Eriansyah Saputra H F Fajrillah Fikri Adi Putra Gladys Pra Adissha Nadira Hadi Prayitno Hamidah Azzahrah S Lubis Hasibuan, Siska Hayatul Mardiah HERY DIA ANATA BATUBARA Ibrahim Ika Rahmadani Br Lubis Iswandi idris Iswandi Idris Iswandi Idris Jaman Amadi Jhoni Hidayat Jhoni Hidayat Julfansyah Margolang Kamaliah Ainun Khairunnida Khairunnisa Almadany Liber Tommy Hutabarat Lilis Saryani Lisnawati Lubis, Hamidah Azzahrah S Lubis, Ika Rahmadani Luthfi Rahman M. Amril Siregar M. Syahputra Margolang, Julfansyah Maulidya Rahmah Mirnawati Mirnawati Mirwan Aziz Ritonga Muhammad Alimu Rofiq Muhammad Asril Azmi Muhammad Zikri Mujiburohman Mujiburohman Mustafid Mustafid Nadhilah Syafitri Naufal Aidillah Fitra Niasty Lasmy Zaen Nila Hayati Nirmalahaty Harahap Nurliadi Nurliadi NURMAHENDRA HARAHAP Pangaribuan, Hose Ronaldo Panjaitan Albert Panjaitan, Albert R Rizal Isnanto Rachma Vina Dikma Raden Mohamad Herdian Bhakti Rahmah, Maulidya Ramadani Renny Lubis Rezty Arizta Putri Rino Subekti Rizky Wahyu Hadiyana Roni Pashla Ritonga Rosdiana RR. Aryanti Kristantini Ruri Aditya Sari S Sipur S, Mutiara Widasari S, Rossi Peter Salsanabila Mariestiara Putri Sami Fitri Santosa, Asri Sari, Indah Vusvita Sembiring, Rinawati Siregar, M. Amril Siregar, Muhammad Amril Siska Hasibuan Siti Aisyah Sunardi Sunardi Sunardi Sunardi Sunardi Sunardi Sunardi Suyatmo Suyatmo Suyatmo Syafriwel, Syafriwel Sylvia, Tiara Ulfa Hasnita Usman Usman Vickri Febrian Widiya Nisa Wiguna, Agung Satria Wirna Lestari Wisnu Yudhistira Yeni Rachmawati Yunita Chaniago Yusdartono, Muhammad Habib Zubaidah Hanum