Article Per Year (5 Year)
p-Index From 2021 - 2026
7.7
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Teknika Jurnal Informatika dan Teknik Elektro Terapan Jurnal KARISMATIKA Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Mercumatika : Jurnal Penelitian Matematika dan Pendidikan Matematika EKSAKTA : Jurnal Penelitian dan Pembelajaran MIPA Zero : Jurnal Sains, Matematika, dan Terapan Jurnal Nasional Komputasi dan Teknologi Informasi JOURNAL OF SCIENCE AND SOCIAL RESEARCH MAJAMATH: Jurnal Matematika dan Pendidikan Matematika Jurnal Kridatama Sains dan Teknologi bit-Tech Jurnal Pendidikan Teknologi Informasi dan Vokasional JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Sistem Informasi dan Sains Teknologi SKANIKA: Sistem Komputer dan Teknik Informatika Journal of Soft Computing Exploration Griya Journal of Mathematics Education and Application Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Teknik: Jurnal Ilmu Teknik dan Informatika INCODING: Journal of Informatics and Computer Science Engineering Instal : Jurnal Komputer Kresna: Jurnal Riset dan Pengabdian Masyarakat Formosa Journal of Science and Technology (FJST) PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Jurnal Matematika, Komputasi dan Statistika Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) QISTINA: Jurnal Multidisiplin Indonesia Journal of Education Technology Information Social Sciences and Health Innovative: Journal Of Social Science Research TAMIKA: Jurnal Tugas Akhir Manajemen Informatika & Komputerisasi Akuntansi Jurnal Multidisiplin Teknologi dan Arsitektur Journal of Informatics and Data Science (J-IDS) Jurnal Komputer dan Teknologi (JUKOMTEK) Jurnal Ilmiah Sistem Informasi Journal of Accounting Law Communication and Technology Journal of Education Transportation and Business Journal of Computer Science Advancements Jurnal Publikasi Ilmu Komputer dan Multimedia
Zulfahmi Indra, Zulfahmi
Uniersitas Negeri Medan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 61 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 61 Documents
Search

 2   3   4   5   6 
Optimasi Kinerja Algoritma AES-128 Pada Proses Enkripsi dan Dekripsi File Berbasis Python Wulandari, Siti; Indra, Zulfahmi; Ridho, Muhammad
Jurnal Pendidikan Teknologi Informasi dan Vokasional Vol 6, No 2 (2024): Jurnal Pendidikan Teknologi Informasi dan Vokasional
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jptiv.v6i2.31691

Abstract

Data security is a top priority in the digital era, especially in the face of increasing cyber threats. Advanced Encryption Standard (AES) is one of the most widely used cryptographic algorithms to protect data. The purpose of this study is to implement the AES algorithm in the Python programming language using the Google Colab platform to improve data security in an efficient manner. This implementation explores the use of AES to perform secure and fast data encryption and decryption, and evaluates the algorithm's performance in terms of speed and resource efficiency. The study shows that AES-128 is able to encrypt data in an average time of 0.003663 seconds and decrypt data in 0.000112 seconds. The file size increases by only 17% after encryption, indicating efficiency in resource usage. The Google Colab platform has been shown to improve computational performance, especially in the fast decryption process without compromising data security.Kata kunci: AES, Optimasi, Pyhton
Implementasi ROT13 sebagai Algoritma Enkripsi Sederhana dalam Python untuk Keamanan Komunikasi Digital Sitompul, Dicky Sambora; Lubis, Muhammad Ghafur Rahman; Indra, Zulfahmi
Journal of Accounting Law Communication and Technology Vol 2, No 1 (2025): Januari 2025
Publisher : CV. Rayyan Dwi Bharata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57235/jalakotek.v2i1.4030

Abstract

Penelitian ini mengkaji implementasi algoritma enkripsi Caesar Cipher dengan pergeseran 13 huruf, atau ROT13, menggunakan Python. ROT13 berfungsi sebagai mekanisme enkripsi sederhana yang memutar setiap huruf dalam teks input sebanyak 13 posisi dalam alfabet, sehingga menghasilkan teks yang tidak dapat dengan mudah dipahami. Penelitian ini merinci langkah-langkah implementasi, disertai dengan kode dan contoh hasil enkripsi serta dekripsi. Analisis menunjukkan bahwa ROT13 merupakan metode yang efektif dan mudah diterapkan untuk meningkatkan keamanan komunikasi digital dalam konteks yang tidak terlalu sensitif.
Handwritten Batak Toba Script Recognition Based on Deep Learning Using the Convolutional Neural Network (CNN) Algorithm Samosir, Wahyu Ardiantito; Zulfahmi Indra; Insan Taufik; Susiana
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 5 No. 1 (2025): October 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v5i1.1795

Abstract

The Batak Toba script is one of Indonesia’s cultural heritages that has become increasingly rare and less recognized among younger generations. This research aims to develop a handwriting recognition system for Batak Toba characters using the Convolutional Neural Network (CNN) method, capable of accurately recognizing characters, transliterating them into Latin script, and translating them into Indonesian. The dataset was self-generated using the Noto Sans Batak font and character combinations, totaling 113 labels, which were processed into 64×64 grayscale images. The CNN model was designed with several convolutional and pooling layers and compiled using the Adam optimizer and categorical cross-entropy loss function. Training results achieved a validation accuracy of 98.36% and a testing accuracy of 98.12%, with respective loss values of 0.0268 and 0.0295. The system was then integrated into a web-based application built as a Progressive Web App (PWA), supporting both online transliteration and translation features. These results demonstrate that the CNN approach is highly effective in recognizing Batak Toba characters. In the future, the system can be further developed into a full sentence-level OCR, integrated into a native Android application, and expanded with datasets from real handwritten samples.
Implementasi Algoritma K-Means Clustering Dengan Pendekatan Active Learning Pada Siswa SMA Untuk Menentukan Jurusan Ke Perguruan Tinggi Palevi, Muhammad Rheza; Indra, Zulfahmi
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9553

Abstract

Menentukan jurusan tepat yang akan diambil pada jenjang perguruan tinggi sangatlah penting diperhatikan oleh siswa SMA. Kesalahan dalam memilih jurusan akan menyebabkan siswa tidak maksimal selama berada di perguruan tinggi. Oleh karena itu, penelitian ini dilakukan untuk membantu siswa dalam menentukan jurusan ke perguruan tinggi menggunakan algoritma K-Means Clustering dengan penerapan Active Learning in Machine Learning. K-Means Clustering dengan penerapan Active Learning digunakan untuk menentukan jurusan yang tepat dengan menggunakan data kuesioner dan nilai rapot yang didapat dari pihak sekolah. Pada penelitian ini, didapat hasil bahwa 113 siswa yang menjadi responden terbagi kedalam 12 kategori atau klaster pada bidang ilmu yang berbeda-beda. Secara singkat, penerapan algoritma K-Means Clustering dengan pendekatan Active Learning menghasilkan akurasi 0,059 dan membutuhkan perbaikan terhadap data yang digunakan agar mencapai akurasi yang lebih baik
Application of Graph Coloring on Nurse Work Scheduling at H. Adam Malik Hospital Medan Using the Tabu Search Algorithm Ananda, Rizky; Indra, Zulfahmi; Nasution, Hamidah
ZERO: Jurnal Sains, Matematika dan Terapan Vol 6, No 1 (2022): Zero: Jurnal Sains Matematika dan Terapan
Publisher : UIN Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30829/zero.v6i1.12451

Abstract

Complex problems that usually occur in every hospital, one of which is scheduling with so many aspects, for example: the number of nurses, the distribution of nurse shifts, time off or leave and others. With the manual method that is still used in compiling the nurse's work schedule, it makes it difficult for an irregular and regular schedule. In solving the scheduling problem, the graph coloring method can be used. This scheduling problem can be solved by graph coloring. One solution to solve the problem of concluding graphs in scheduling is the Tabu Search Algorithm. A method that works as an effective problem solving method in finding the best solution to a problem. A method is used to solve the problem by making a representation in the form of a graph where the nurse is a node and grouping nurses as an edge by implementing the graph coloring into the Tabu Search Algorithm.
Sistem Pakar Diagnosa Penyakit Ginjal Menggunakan Metode Dempster Shafer Di Rsud Pirngadi Medan Parapak, R Putri Angela; Kana Saputra S; Nasution, Hamidah; Indra, Zulfahmi; Taufik, Insan
Innovative: Journal Of Social Science Research Vol. 4 No. 5 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i5.15895

Abstract

Dalam era modern yang dipenuhi dengan kemajuan teknologi komputerisasi, perkembangan teknologi informasi terjadi dengan kecepatan yang luar biasa dan memiliki dampak yang signifikan dalam berbagai aspek kehidupan manusia. Dalam konteks ini, penting untuk diakui bahwa penyakit ginjal merupakan salah satu masalah kesehatan yang perlu mendapatkan perhatian serius dari masyarakat. Sayangnya, penyakit ini seringkali sulit dideteksi secara dini dan dapat mengancam nyawa seseorang jika tidak ditangani dengan tepat. Dalam situasi di mana kesadaran akan kesehatan seringkali rendah, terdapat kebutuhan yang mendesak untuk mengembangkan solusi yang dapat membantu meningkatkan deteksi dini dan diagnosis penyakit ginjal. Salah satu solusi yang inovatif adalah dengan memanfaatkan teknologi informasi dalam bentuk aplikasi sistem pakar. Melalui pendekatan ini, penulis merancang sebuah aplikasi sistem pakar yang bertujuan untuk mendeteksi penyakit ginjal akut dan kronis. Aplikasi ini dibangun dengan menggunakan metode Dempster-Shafer, sebuah teknik yang mampu menggabungkan data dari berbagai sumber untuk menghasilkan estimasi yang lebih akurat. Dengan menggunakan bahasa pemrograman PHP, HTML, dan SQL Server, aplikasi ini mampu mengumpulkan gejala yang dilaporkan oleh pengguna dan menganalisisnya untuk memberikan diagnosis yang lebih tepat. Tidak hanya memberikan diagnosis, aplikasi ini juga memberikan informasi tentang tingkat kepercayaan terhadap kemungkinan penyakit ginjal yang diderita oleh pengguna. Dengan memberikan informasi yang komprehensif dan akurat, aplikasi ini diharapkan dapat membantu pengguna dalam mengidentifikasi penyakit ginjal yang mungkin dialami dan memberikan informasi yang berguna untuk langkah-langkah pengobatan selanjutnya. Dengan demikian, aplikasi sistem pakar ini tidak hanya bertujuan untuk meningkatkan kesadaran akan pentingnya deteksi dini terhadap penyakit ginjal, tetapi juga untuk memberikan solusi yang konkret dan terukur dalam menangani masalah kesehatan ini.
Analisis Perbandingan Algoritma Penjadwalan Prioritas Preemptive dan Non-Preemptive Menggunakan Aplikasi Web Interaktif Rumahorbo, Gilbert Aldrich; Zulfahmi Indra; Alfarizi Wijaya; Melika Debiyana Putri; Buulolo, Calvin Sahputra
Teknik: Jurnal Ilmu Teknik dan Informatika Vol. 5 No. 2 (2025): Oktober : Teknik: Jurnal Ilmu Teknik dan Informatika
Publisher : LPPM Sekolah Tinggi Ilmu Ekonomi - Studi Ekonomi Modern

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/teknik.v5i2.994

Abstract

CPU scheduling is a core function in modern operating systems that significantly impacts system performance and efficiency. Among various scheduling algorithms, Priority Scheduling is widely used and exists in two main variants: non-preemptive and preemptive. The non-preemptive mode allows a process to run to completion, while the preemptive mode can interrupt a running process for a higher-priority one. Understanding the behavioral differences between these modes is crucial but often challenging through manual calculations. To address this, an interactive web-based application was developed to simulate and visualize both preemptive and non-preemptive Priority Scheduling algorithms. The research method involved designing the system logic based on the core principles of each scheduling variant, followed by implementation using standard web technologies: HTML, Tailwind CSS, and JavaScript. The application allows users to input custom process data or load predefined case studies, select the scheduling mode, and instantly receive a comprehensive analysis. The results include a dynamically generated Gantt chart, a detailed performance metrics table (including turnaround time and waiting time), and a step-by-step execution log. Through a comparative analysis of a specific case study, the application is proven to be an effective educational tool. It accurately simulates both modes and visually demonstrates the impact of preemption on execution order, resource utilization, and key performance metrics, thereby simplifying the learning process for students and educators.
Pengembangan Model Prediksi Cuaca Hibrida Adaptif Berbasis Klasifikasi Pola dan Pembelajaran Mendalam untuk Mitigasi Bencana di Indonesia Drilanang, Mhd Ilyasyah; Indra, Zulfahmi; Walidin, Adamsyach Prana; Zai, Tri Sapta Warman
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/6nagaj85

Abstract

This study aims to develop and evaluate an adaptive hybrid weather prediction model that combines pattern classification techniques with a deep learning approach to improve forecasting accuracy, especially for extreme weather events. Using a quantitative-based Research and Development (R&D) approach, this study utilizes ten years of daily rainfall time series data from the Juanda Meteorological Station. The method developed comprises three main phases: weather pattern classification using K-Means clustering to separate normal and extreme patterns; development of a specialist prediction model using SARIMA for seasonal patterns and LSTM for non-linear patterns; and integration of both models into a single adaptive framework. The results show that the adaptive hybrid model performs significantly better than the single model, with a Mean Absolute Percentage Error (MAPE) of 8.76% and a Root Mean Square Error (RMSE) of 9.13%. The main contribution of this study is the development of an intelligent, accurate prediction framework with strong potential for integration into the national early warning system, thereby supporting more effective disaster mitigation efforts in Indonesia. Further research is recommended to validate the model in various regions and add additional climate variables to improve prediction accuracy.
Sistem Peramalan Jumlah Mahasiswa Menggunakan Metode Time Series ARIMA dan Regresi Linear Hasibuan, Muhammad Alby Savana; Indra, Zulfahmi; Lubis, Fauzan Azima; Farezi, Nazwar
Jurnal Ilmiah Sistem Informasi Vol. 4 No. 3 (2025): November: Jurnal Ilmiah Sistem Informasi
Publisher : LPPM Universitas Sains dan Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/n95g4460

Abstract

Penelitian ini bertujuan untuk membuat sistem yang bisa memprediksi jumlah mahasiswa menggunakan pendekatan machine learning dengan Python dan antarmuka Streamlit sebagai alat interaktif. Masalah utama yang dibahas adalah kebutuhan lembaga pendidikan tinggi dalam meramalkan jumlah mahasiswa di masa depan agar bisa membantu dalam merencanakan kapasitas dan mengalokasikan sumber daya secara tepat. Solusi yang ditawarkan adalah dengan menggabungkan dua metode prediksi, yaitu Regresi Linear dan ARIMA. Regresi Linear digunakan untuk mencari pola dasar dalam data masa lalu, sedangkan ARIMA dipakai untuk menganalisis data yang memiliki perubahan atau ketergantungan terhadap data sebelumnya. Data yang digunakan berasal dari Pangkalan Data Pendidikan Tinggi (PDDIKTI) untuk program studi Ilmu Komputer di Universitas Negeri Medan pada periode tahun 2019 sampai 2024. Sistem ini dirancang agar orang yang tidak ahli di bidang teknologi bisa melakukan analisis secara visual melalui grafik dan metrik evaluasi yang ditampilkan langsung di aplikasi Streamlit. Hasil pengujian menunjukkan bahwa Regresi Linear memberikan akurasi tinggi pada data yang memiliki tren stabil dengan nilai MAPE di bawah 10%, sedangkan ARIMA memberikan prediksi yang lebih baik pada data yang tidak stabil. Penerapan sistem ini menunjukkan bahwa menggabungkan metode statistik dan pembelajaran mesin bisa meningkatkan efisiensi dan ketepatan dalam analisis data akademik. Temuan ini memberikan manfaat nyata dalam membantu pengambilan keputusan strategis terkait perencanaan jumlah mahasiswa, serta membuka kemungkinan pengembangan model yang lebih canggih di masa depan.
Portal rekrutmen berbasis web dengan seleksi transparan metode first come first served Zulfahmi Indra; Nafil Rizq Trianto; Augis Dinanti; Khairany Zuhriyyah Jinan Hsb; Muhammad Iqbal Fahrezzi
Griya Journal of Mathematics Education and Application Vol. 5 No. 4 (2025): Desember 2025
Publisher : Pendidikan Matematika FKIP Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/griya.v5i4.945

Abstract

The advancement of information technology has accelerated digital transformation in various sectors, including job vacancy management and distribution systems. Manual registration processes often cause issues such as data duplication, delayed information delivery, and inefficiency. This study aims to design and implement a web-based job vacancy information system that applies the First Come First Served (FCFS) method as the registration and applicant selection mechanism. The system was developed using the Waterfall model, with PHP as the programming language and MySQL as the database management system. System testing focused on functional suitability, usability, and performance efficiency. The results indicate that the system successfully manages registration processes fairly and transparently based on submission order while improving overall efficiency and user experience. This research contributes to the development of an integrated and accessible employment information system that supports digital transformation in workforce management.
Co-Authors Abdi Setiawan Ada Novisari D. Simanungkalit Adidtya Perdana, Adidtya Adinda Soleha Adwitia, Keysa Shifa Adzkia Nur Nasution Agata Putri Handayani Simbolon Akbar Alif Haikal Aldrik Bastio Alfarizi Wijaya Alsya Adelia Putri Alya Namira Ammar Kamil Al Abror Ananda Hatmi, Reza Ananda Syafika Ananda, Rizky Anastasya Carity S, Disty Angel Agasari Siagian Angga Warjaya ARNAH RITONGA ARNAH RITONGA, ARNAH Arnita Arnita Arnita Ary Prandika Siregar Asra, Naufal Aqiilah Augis Dinanti Azis Kurniadi Azril Arfansyah Barus, Angelica Bryant Tinambunan Buulolo, Calvin Sahputra Callysa Elistia Chairunisah Chairunisah, Chairunisah Christian Nicholas Sinaga Claudia Agatha Br. Trigan Dede Yusuf Wagiman Denny Haris DIdi Febrian Drilanang, Mhd Ilyasyah Ega Pratama Evaliana Sembiring, Khatrin Fahra Febiana Putri Fahra Pebiana Putri Farezi, Nazwar Farhan Ramadhan, Haikal Fauzan, M Rosyid Gerhard Hasangapon Parapat Halawa, Sovantri Putra Paskah Harahap, Muhammad Abarorya Hasibuan, Muhammad Alby Savana Hasibuan, Najwa Latifah Hidayat, Muhammad Ferdiansyah Hijka Listia Hutagalung, Fhadillah Br Inna Muthmainnah Insan Taufik Jatmiko Althaf Aziz Jonathan Rio Gultom Kana Saputra S Khairany Zuhriyyah Jinan Hsb Khusnul Arifin . Lasker Pangarapan Sinaga Lastri Putri Silaban Lubis, Fauzan Azima Lubis, Muhammad Ghafur Rahman M. Farel Revansha Buulolo M. Gali Almahdi M. Reza Pratama Harahap MANSUR AS Manullang, Sudianto Marpaung, Faridawaty Melika Debiyana Putri Miftahul Janna Muhammad Andika Muslim Muhammad Iqbal Fahrezzi Muhammad Raffi Akbar Tjg Muhammad Rafli Wijaya Muhammad Ridho Muhammad Rizki Alfahri Muhammad Rosyid Fauzan Muhammad Zidane Al-Kautsar Nadya Rahmah Nafil Rizq Trianto Najwatul Khoiriah Nasution, Adzkia Nur Nasution, Hamidah . Nayla Luthfiah Hanan Neltriana Syafira Nerli Khairani Niska, Debi Yandra Nouri, Maulana Al Palevi, Muhammad Rheza Pandiangan, Gus Rosauli Parapak, R Putri Angela Pedro Stella Mario Meyar Waruwu Pratama, Ega Purba, Jogi Putri, Repi Meilani Putri, Rezkya Nadilla Rahmah, Nadya Raihan Insan Pratama Siagian Ramayani Siagian Ridho Affandi Rinjani Cyra Nabila Risna Simorangkir Rizal Muslim Sinaga Rumahorbo, Gilbert Aldrich Sabina Wardaniah Said . Iskandar Saketang, Tia Risky Yasmin Samosir, Wahyu Ardiantito Saragih, Vinny Ramayani Savana HSB, Muhammad Alby Sebastian Saut Marulitua Sinaga Selfi Audy Priscilia Shabrina Husna Batubara Shaqila Rahmayani Simamora, Elmanani Simanjorang, Rio Givent A Simanulang, Mika Monica Fransiska Sinaga, Marlina Setia Sipahutar, Nuriana siti wulandari Sitompul, Dicky Sambora Sri Mulyana subanar subanar Sultan Lazuardiansyah SUSIANA Susiana Suvriadi Panggabean Syahfitri, Ardilla Syarida Aini, Desti Syifa Cendikia, Yolanda Syti Salwaa Triwanti Andini Hutasoit Wahabi Hasibuan, Rahman Walidin, Adamsyach Prana Willy Pramudia Ananta Yasifiati Hia Yulita Molliq Rangkuti Zai, Samuel Anaya Putra Zai, Tri Sapta Warman Zevan Irfandi Surbakti