Article Per Year (5 Year)
p-Index From 2021 - 2026
3.98
P-Index
This Author published in this journals
All Journal JURNAL MEDIA INFORMATIKA BUDIDARMA ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA JURIKOM (Jurnal Riset Komputer) JSI (Jurnal sistem Informasi) Universitas Suryadarma Indonesian Journal of Education and Mathematical Science IT (INFORMATIC TECHNIQUE) JOURNAL Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Blend Sains Jurnal Teknik Jutech: Jurnal Teknologi Informasi Jurnal Ilmiah Sistem Informasi dan Ilmu Komputer DEVOTE: Jurnal Pengabdian Masyarakat Global Jurnal Komprehenshif Hanif Journal of Information Systems Jurnal Kecerdasan Buatan dan Teknologi Informasi Portal Riset dan Inovasi Sistem Perangkat Lunak Al'Adzkiya International of Computer Science and Information Technology Journal Tsabit Inventa: Journal of Science, Technology, and Innovation
Mulkan Azhari
Universitas Muhammadiyah Sumatera Utara
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Implementasi Algoritma Decision Tree Untuk Klasifikasi Pemilihan Sekolah Lanjutan Di MTs Al-Hasanah Medan Aldryan Bhara Putra; Mulkan Azhari
JSI (Jurnal Sistem Informasi) Universitas Suryadarma Vol. 12 No. 2 (2025): JSI (Jurnal sistem Informasi) Universitas Suryadarma
Publisher : Fakultas Ilmu Komputer dan Desain - Unsurya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35968/jsi.v12i2.1520

Abstract

Algoritma Decision Tree adalah teknik penambangan data yang membantu siswa memilih sekolah menengah secara lebih objektif dengan mengklasifikasikan pilihan sekolah berdasarkan berbagai faktor, termasuk nilai rapor kumulatif nilai keagamaan, umum, dan keterampilan, serta rekomendasi dari guru bimbingan dan konseling. Algoritma Decision Tree bekerja dengan membentuk pola pohon keputusan yang mudah dipahami dan diinterpretasikan, baik oleh siswa maupun pihak sekolah. Data yang digunakan untuk penelitian ini di ambil dari data siswa MTs Al-Hasanah Medan. Dengan variabel meliputi nilai kumulatif raport nilai agama, nilai umum, nilai keterampilan dan rekomendasi guru bimbingan konseling. Hasil dari penelitian ini mayoritas siswa, yakni sebanyak 49 orang (49%), disarankan untuk melanjutkan ke jenjang SMK, berdasarkan hasil klasifikasi data 100 siswa. Sementara itu, jumlah siswa yang direkomendasikan untuk jenjang SMA dan MA cukup merata, yakni masing-masing sebanyak 26 siswa (26%) dan 25 siswa (25%) untuk jenjang SMA dan MA.
Implementasi Regresi Linear Berganda dalam Forecast Penjualan pada CV. Surya Kencana Sembako Berbasis website Ilham Ilham; Mulkan Azhari
Jurnal Teknologi Informasi (JUTECH) Vol. 6 No. 2 (2025): JUTECH: Jurnal Teknologi Informasi
Publisher : ITB Ahmad Dahlan Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32546/jutech.v6i2.3166

Abstract

Perkiraan penjualan merupakan aspek penting dalam pengambilan keputusan bisnis, terutama dalam industri sembako yang memiliki permintaan tinggi dan fluktuatif. CV. Surya Kencana Sembako sebagai perusahaan distribusi barang kebutuhan pokok menghadapi tantangan dalam memprediksi jumlah penjualan secara akurat. Penelitian ini bertujuan untuk mengimplementasikan metode Regresi Linear Berganda dalam meramalkan penjualan berdasarkan beberapa variabel yang memengaruhi, seperti harga produk, jumlah promosi, dan musim penjualan. Sistem dirancang dalam bentuk aplikasi berbasis website agar memudahkan pengguna dalam menginput data dan memperoleh hasil prediksi secara real-time. Hasil dari implementasi menunjukkan bahwa model regresi mampu memberikan prediksi yang cukup akurat dengan nilai koefisien determinasi (R²) yang tinggi. Dengan adanya sistem ini, diharapkan CV. Surya Kencana Sembako dapat meningkatkan efisiensi dalam pengelolaan stok dan strategi penjualannya.
Analisis dan Implementasi Algoritma Apriori dalam Memprediksi Banjir di Kota Medan pada Bendungan Lau Simeme Zahra Apriyani Hakim Nasution; Mulkan Azhari
Journal of Science, Technology, and Innovation Vol 1 No 3 (2026): : April: Inventa: Journal of Science, Technology, and Innovation
Publisher : CV SCRIPTA INTELEKTUAL MANDIRI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65310/4cn1ym72

Abstract

This study aims to analyze and implement the Apriori algorithm to predict flood potential at the Lau Simeme Dam in Medan City by identifying association patterns among rainfall, water discharge, and water level parameters based on daily hydrological data. The main challenge of this study lies in the limitations of conventional mitigation systems, which are not yet capable of systematically and adaptively interpreting multivariate environmental relationships. The research method employs an empirical data mining-based approach, involving data preprocessing, numerical transformation into transactional data, frequent item set formation, and association rule derivation using minimum support and confidence parameters. The system was developed using Python and MySQL to support the operational analysis and visualization of prediction results. The results show that the Apriori algorithm is capable of generating consistent association patterns between heavy rainfall, increased water discharge, and flood alert status with an accuracy of 97.81%, precision of 100%, and recall of 97.81%. These findings indicate that association rule-based models possess interpretive and predictive capabilities relevant to supporting flood mitigation based on hydrological data.
Rancang Bangun Sistem Deteksi Mutu Lateks Portabel Berbasis Iot Menggunakan Algoritma Thresholding PH Pada Microcontroller ESP32 Untuk Smart Monitoring Eka Syarif Maulana; Mulkan Azhari
Komprehensif Vol 4 No 1 (2026)
Publisher : CV Edu Tech Jaya

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

Abstract

Penilaian mutu lateks karet di tingkat petani dan pengepul masih dilakukan secara subjektif sehingga rentan terhadap kesalahan dan praktik manipulasi. Kondisi ini menyebabkan ketidakpastian kualitas bahan olah karet (Bokar) yang berdampak pada rendahnya nilai jual dan ketidakadilan dalam transaksi. Oleh karena itu, diperlukan suatu sistem deteksi mutu yang objektif, portabel, dan mampu memberikan hasil secara real-time.Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi mutu lateks karet portabel berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32 yang terintegrasi dengan modul ADC eksternal ADS1115 beresolusi 16-bit untuk meningkatkan akurasi pembacaan sensor. Parameter utama yang digunakan adalah pH sebagai indikator kualitas biologis lateks, serta Total Dissolved Solids (TDS) sebagai parameter pendukung untuk mendeteksi kontaminasi dan pengenceran. Sistem juga menerapkan metode pemfilteran digital Exponential Moving Average (EMA) untuk mereduksi noise serta fitur Automatic Temperature Compensation (ATC) untuk meningkatkan akurasi pengukuran.Algoritma klasifikasi mutu diterapkan menggunakan metode multibasis Thresholding berbasis rule-based yang berjalan langsung pada ESP32 (edge computing). Data hasil pengukuran dikirimkan secara real-time menggunakan protokol MQTT dengan Quality of Service (QoS) level 1 ke Dashboard monitoring berbasis web.Hasil pengujian menunjukkan bahwa sistem mampu mengukur nilai pH dan TDS dengan tingkat akurasi tinggi serta mampu mengklasifikasikan mutu lateks ke dalam kategori seperti mutu prima, asam, oplos air, kontaminasi, dan terawetkan amonia. Sistem ini juga menunjukkan keandalan dalam pengiriman data meskipun pada kondisi jaringan yang tidak stabil. Dengan demikian, alat yang dikembangkan dapat berfungsi sebagai solusi monitoring mutu lateks yang objektif, transparan, dan aplikatif di lapangan.
Identifikasi Buah Kelapa Sawit Berdasarkan Citra Red, Green, Blue Menggunakan Algoritma Naïve Bayes Classifier Dimas Arya Prayoga; Mulkan Azhari
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 1 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i1.194

Abstract

Kelapa sawit merupakan komoditas penting di Indonesia yang membutuhkan penentuan tingkat kematangan buah secara tepat untuk menghasilkan minyak sawit berkualitas tinggi. Penentuan kematangan umumnya masih dilakukan secara manual sehingga rentan terhadap subjektivitas dan kesalahan. Penelitian ini mengembangkan sistem identifikasi tingkat kematangan buah kelapa sawit berbasis pengolahan citra digital menggunakan warna Red, Green, Blue (RGB) dengan algoritma Naïve Bayes Classifier. Metode penelitian yang digunakan adalah penelitian terapan dengan pendekatan kuantitatif-eksperimental. Data citra buah sawit diperoleh melalui proses akuisisi, kemudian dilakukan pra-pemrosesan, ekstraksi fitur warna RGB, pelabelan tingkat kematangan (mentah, setengah matang, matang), dan klasifikasi menggunakan Naïve Bayes. Hasil penelitian menunjukkan bahwa algoritma ini mampu melakukan klasifikasi tingkat kematangan dengan akurasi yang baik, sederhana dalam implementasi, serta efisien pada data berukuran kecil hingga menengah. Sistem yang dihasilkan berpotensi meningkatkan efisiensi panen, mengurangi ketergantungan pada tenaga kerja manual, dan mendukung implementasi pertanian presisi pada perkebunan kelapa sawit di Indonesia.
Analisis Dan Implementasi Algoritma Apriori Dalam Memprediksi Banjir Di Kota Medan Pada Bendungan Lau Simeme Zahra Apriyani Hakim Nasution; Mulkan Azhari
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.239

Abstract

Banjir merupakan salah satu bencana alam yang sering terjadi di Kota Medan dan sekitarnya, khususnya pada daerah yang berdekatan dengan Bendungan Lau Simeme. Faktor-faktor seperti curah hujan tinggi, kapasitas tampungan air yang terbatas, serta kondisi lingkungan yang tidak stabil menjadi penyebab utama terjadinya banjir. Oleh karena itu, diperlukan suatu sistem yang mampu menganalisis data historis dan memprediksi potensi banjir secara lebih akurat. Data yang digunakan berasal dari catatan klimatologi dan hidrologi di wilayah Bendungan Lau Simeme. Proses analisis dilakukan melalui tahap pra-pemrosesan data, penerapan algoritma Apriori, serta evaluasi hasil menggunakan support dan confidence untuk menentukan tingkat keakuratan pola. Hasil penelitian menunjukkan bahwa algoritma Apriori mampu mengidentifikasi kombinasi faktor yang berpotensi menyebabkan banjir dengan tingkat akurasi yang baik. Dengan demikian, implementasi algoritma Apriori dapat dijadikan sebagai alat bantu dalam sistem peringatan dini banjir di Kota Medan, khususnya di sekitar Bendungan Lau Simeme, guna mendukung upaya mitigasi dan pengambilan keputusan yang lebih efektif.
Implementation of the Density-Based Spatial Clustering (DBSCAN) Method to Identify Beauty Clinic Customer Purchasing Patterns Taufik Rifki Al Hafiz Lubis; Mulkan Azhari
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 5 No. 3 (2026): September 2026 In progress.
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v5i3.559

Abstract

Beauty clinics routinely accumulate detailed transaction records, yet these data are often used only for administrative reporting and are not transformed into actionable customer insights. This study implements Density-Based Spatial Clustering of Applications with Noise (DBSCAN) in a web-based system to identify customer purchasing patterns at Raen Aesthetic. Transaction data from January to December 2025 were cleaned, aggregated into recency, frequency, and monetary features, and normalized using a robust scaler. DBSCAN was executed with epsilon = 0.8000 and minimum samples = 5, while cluster quality was assessed using the Silhouette Score and Davies-Bouldin Index. The implementation produced nine customer clusters and 148 noise observations. The Silhouette Score of 0.3551 indicated a reasonably structured separation, whereas the Davies-Bouldin Index was 1.2569. Cluster 1 was the largest segment, comprising 355 customers with low purchase frequency and relatively small monetary value. Cluster 5 represented a high-value segment with an average monetary value of approximately IDR 10,302,000, while the noise group displayed heterogeneous but economically significant transaction behavior. Treatment transactions dominated most clusters, whereas several segments showed stronger preferences for packages and deposits. Black-box testing confirmed that all major functions operated according to the specified scenarios. The results demonstrate that DBSCAN can provide interpretable customer segmentation and support evidence-based service and customer-management decisions in beauty clinics.
Co-Authors Ade Irma Khairani - Al Khowarizmi Aldryan Bhara Putra Andi Zulherry Anggy Wulandari dimas arya prayoga Dimas Wijayanto Efendi, Syahril Eka Syarif Maulana Ferdy Riza Hafizan Syafik Halim Maulana Husaini, Abdillah Ichsan, Aulia Ilham Ilham Ilham Prastia Indah Purnama Sari Jannah, Aulia Kipa Jundapri Manurung, Asrar Aspia Maulia Rahman Nadia Febrina nurkumalalubis Oris Krianto Sulaiman Perdinal Nasution Purwanto Purwanto Rifqi Yafik Rika Rosnelly, Rika Rizky Hidayat Hasibuan Siti Khairun Nisa Situmorang, Zakaria Taufik Rifki Al Hafiz Lubis Zahra Apriyani Hakim Nasution