Article Per Year (5 Year)
p-Index From 2021 - 2026
1.683
P-Index
This Author published in this journals
All Journal DEVICE Jurnal Sains Teknologi dan Sistem Informasi Journal of Economic, Business and Engineering (JEBE) STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Indonesian Journal of Multidisciplinary on Social and Technology Clean Energy and Smart Technology TECHNOMEDIA : Informatics and Computer Science
Nahar Mardiyantoro
Universitas Sains Al-Qur'an
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Social Sciences

Published : 10 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 10 Documents
Search

 1 
Implementasi Algoritma AES Pada QR-Code Sebagai Parameter Keaslian Data Dalam Pembuatan KTA Nahar Mardiyantoro; Mefa Listiani
SATESI: Jurnal Sains Teknologi dan Sistem Informasi Vol. 1 No. 1 (2021): April 2021
Publisher : Yayasan Pendidikan Penelitian Pengabdian ALGERO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54259/satesi.v1i1.5

Abstract

The process of making KTA at UPT RPH Wonosobo Regency which is still carried out by typing prospectivemember data in MS Excel and editing it in the form of a card and then be printed, is considered ineffective so that it prolongs the process of making KTA. Besides that there is no guarantee of authenticity, so an application for making KTA is made with added the AES algorithm to speed up the performance of the KTA manufacturing process and guarantee its authenticity. The implementation of the AES Algorithm is included in the KTA checking URL which is converted into a QR-Code for easy scanning. This research is expected to help the process of making KTA at UPT RPH Wonosobo Regency and ensure the authenticity of the KTA made.
SISTEM SELEKSI PEMBERIAN BEASISWA DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) PADA SMA N 1 Nahar Mardiyantoro; Saromah; Saifu Rohman
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 1 No. 2 (2022): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (364.521 KB) | DOI: 10.55123/storage.v1i2.328

Abstract

Beasiswa adalah pemberian bantuan keuangan kepada perorangan demi kelangsungan pendidikan. Dari banyaknya sekolah yang memberikan beasiswa kepada siswanya, salah satunya adalah SMAN I Watumalang. Proses seleksi di SMA N 1 Watumalanag masih dilakukan secara konvensional yaitu masih dalam bentuk fisik kertas dalam membandingkan data siswa satu persatu dengan kriteria yang ada. Dengan cara tersebut mengakibatkan proses seleksi menjadi kurang tepat sasaran dan membutuhkan waktu yang lama. Agar proses seleksi pemberian beasiswa dapat tepat sasaran maka diperlukan sebuah sistem pendukung keputusan untuk membantu proses pemberian beasiswa dalam menyeleksi calon siswa yang terbaik. Metode Simple Addittive Weighting (SAW) untuk memberikan keputusan terhadap proses seleksi pemberian beasiswa, sedangkan dalam pengembangan sistem menggunakan metode waterfall. Dari hasil pengujian antara kode program dengan perhitungan manual, sistem sudah dapat menampilkan hasil perhitungan yang sesuai.
IMPLEMENTASI DATA MINING UNTUK MENENTUKAN POLA PENJUALAN DI ARMADA COMPUTER MENGGUNAKAN ALGORITMA APRIORI Zulhilmi; Nahar Mardiyantoro; Dimas Prasetyo Utomo; Iman Ahmad Ihsannuddin; Nulngafan
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 1 (2023): Februari
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i1.1749

Abstract

Algoritma Apriori adalah metode penambangan data untuk menentukan aturan asosiasi antara satu set item. Untuk mengidentifikasi tren penjualan, tujuan dari penelitian ini adalah untuk mengidentifikasi kombinasi produk dan layanan yang paling umum. Komputer Armada memiliki masalah karena tidak tahu apa yang diinginkan pelanggan dan bagaimana mereka berbelanja. Satu hal yang harus diketahui oleh pelanggan adalah barang mana yang sering dibeli bersama. Algoritma Apriori akan digunakan dalam data mining untuk mengidentifikasi kombinasi produk yang sering dibeli bersama oleh pelanggan untuk mengatasi masalah tersebut. Penelitian ini menghasilkan 29 aturan produk yang sering dibeli bersama. bersama-sama dengan dukungan minimum 5% dan kepercayaan minimum 70%. Rekomendasi ini akan digunakan untuk mempromosikan produk untuk bisnis.
SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN SISWA TERBAIK DI SMP PELITA AL-QUR’AN DENGAN METODE SIMPLE ADDITIVE WEIGHTING Feni Yulianti; Nahar Mardiyantoro; Erna Dwi Astuti; Adi Suwondo; Sukowiyono
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 2 No. 2 (2023): Mei
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v2i2.1962

Abstract

Penelitian ini berisi rancang bangun sistem pendukung keputusan untuk mencari siswa terbaik di SMP Pelita Al-Quran dengan menggunakan metode Simple Addtive Weighting (SAW). Simple Addtive Weighting adalah metode penjumlahan berbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari peringkat kinerja setiap alternatif pada semua kriteria. Dalam penelitian ini dipilih 5 kriteria yaitu hafalan Al-Qur'an, nilai rapor, akhlak, prestasi, dan poin pelanggaran. Siswa terbaik adalah siswa yang selalu mengikuti aturan yang telah ditetapkan oleh sekolah atau guru yang mendidiknya, dan selalu memiliki kewajiban apa yang menjadi siswa di sekolah.
IMPLMENTASI METODE FUZZY MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN POSISI PEMAIN BOLA BASKET BERBASIS WEB Harun Al Rosid; Nahar Mardiyantoro; Nulgafan Nulngafan
Journal of Economic, Business and Engineering (JEBE) Vol 4 No 2 (2023): April
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v4i2.6129

Abstract

Sering menjadi masalah bagi pelatih untuk menentukan posisi pemain bola basket karena mereka tidak memahami keterampilan atau karakter pemain tersebut. Penelitian ini akan menemukan posisi pemain bola basket yang sesuai dengan keterampilan pemain putra di SMK 1 Wonsobo. Menggunakan metode fuzzy Mamdani dengan sistem pendukung keputusan berbasis web untuk penentuan posisi pemain, perancangan dilakukan menggunakan diagram UML kemudian diimplementasikan menggunakan PHP berbantuan MySql untuk operasi database. Pengumpulan data observasi, studi pustaka, uji bermain untuk memperoleh informasi pada setiap kriteria. Berdasarkan data yang ada, penelitian ini menghasilkan posisi pemain bola basket putra SMK 1 Wonsobo yaitu 2 pemain depan (Forward), 4 pemain samping (guard) dan 3 pemain bertahan tengah (center).
SISTEM PREDIKSI HASIL PANEN TANAMAN RAMI PADA CV RABERSA DENGAN MENGGUNAKAN METODE NAÏVE BAYES Ibnu Alif Utomo; Muslim Hidayat; Nahar Mardiyantoro
Journal of Economic, Business and Engineering (JEBE) Vol 4 No 2 (2023): April
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) Universitas Sains Al Qur'an

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32500/jebe.v4i2.6132

Abstract

Penelitian ini dilakukan untuk menentukan prediksi hasil panen tanaman rami pada CV Rabersa. Dalam menentukan prediksi, metode yang digunakan yaitu menggunakan Metode Naïve Bayes. Dengan menggunakan Metode Naïve Bayes tentunya memerlukan atribut untuk melakukan perhitungan probabilitas. Dalam penelitian ini atribut yang digunakan yaitu curah hujan, pengairan, perawatan, suhu, dan intensitas cahaya. Dalam melakukan prediksi, prediksi dilakukan dengan cara menghitung probabilitas setiap nilai atribut, kemudian dari probabilitas tersebut dihitung probabilitas panen berhasil dan panen gagal. Selanjutnya membandingkan probabilitas panen berhasil dengan probabilitas panen gagal. Hasil dari prediksi tersebut kemudian diimplementasikan kedalam sebuah sistem dan menjadi sistem prediksi hasil panen tanaman rami. Dengan menggunakan pengujian blackbox, Sistem Prediksi Hasil Panen Tanaman Rami telah sesuai dengan analisa perancangan dan bisa untuk digunakan.
FACE RECOGNITION MENGGUNAKAN METODE VIOLA-JONES DAN LBPH PADA SISTEM PRESENSI DI PESANTREN AL-ASY’ARIYYAH III Muslim Hidayat; Muhammad Abqoriyyan Yalmak; Nahar Mardiyantoro
Device Vol 13 No 2 (2023): November
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/device.v13i2.5976

Abstract

Presensi merupakan kegiatan yang mempunyai peranan penting dalam setiap proses kegiatan belajar mengajar, terutama pada pondok pesantren. Sistem presensi pondok pesantren kerap kali masih menggunakan metode manual yang masih memiliki beberapa kelemahan seperti manipulasi data oleh santri yang tidak bertanggung jawab, titip presensi dengan tanda tangan ataupun pengambilan buku presensi secara langsung. Dengan pendekatan metode Viola Jones sebagai pendeteksi wajah dan Local Binary Pattern Histogram sebagai pengenal wajah, maka dibuatlah sebuah sistem presensi face recognition untuk meminimalisir terjadinya permasalahan yang terjadi dalam sistem presensi metode manual, terutama dalam hal efektifitas waktu. Dalam penelitian ini penulis juga menguji perbandingan dari sistem presensi waktu face recognition dengan sistem presensi metode manual yang menghasilkan sebuah kesimpulan bahwa sistem presensi face recognition lebih unggul dalam efektifitas waktu dengan perbedaan yang sangat signifikan, selain itu peristiwa yang terjadi akibat kecurangan juga dapat diminimalisir karena perbedaan wajah antar santri yang digunakan sebagai tanda presensi tidak dapat dimanipulasi.
Implementasi Algoritma Naive Bayes Pada Sistem Daily Report Gde (PT Geo Dipa Energi) Untuk Klasifikasi Kerusakan Peralatan Imam Subekti; Nahar Mardiyantoro; Nulngafan Nulngafan
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.11940

Abstract

PT Geo Dipa Energi (Persero) sebagai perusahaan yang bergerak di bidang energi panas bumi memerlukan sistem pelaporan yang akurat untuk mendukung kegiatan pemeliharaan dan pengawasan peralatan pembangkit listrik. Tingginya volume laporan harian teknisi serta variasi deskripsi kerusakan menyebabkan proses identifikasi tingkat kerusakan secara manual menjadi kurang efisien dan berisiko menimbulkan keterlambatan analisis. Penelitian ini bertujuan mengimplementasikan algoritma Multinomial Naive Bayes pada sistem Daily Report Instrumentation and Control (I&C) untuk melakukan klasifikasi otomatis tingkat kerusakan peralatan ke dalam tiga kategori, yaitu Ringan, Sedang, dan Berat. Data yang digunakan berjumlah 4.408 entri laporan harian periode Juni 2022 hingga Mei 2025 yang diperoleh melalui studi literatur, observasi, wawancara, dan dokumentasi. Data teks diproses melalui tahapan case folding, tokenisasi, stopword removal, dan stemming, kemudian dibobotkan menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) dengan kombinasi unigram dan bigram. Mengingat distribusi kelas yang tidak seimbang, data latih diseimbangkan menggunakan metode Random Oversampling sebelum dilatih dengan algoritma Naive Bayes. Evaluasi model menggunakan metrik akurasi, precision, recall, F1-Score, dan Macro F1-Score. Hasil pengujian menunjukkan model memperoleh akurasi sebesar 96,49% dan Macro F1-Score sebesar 0,82, melampaui target minimal 70% yang ditetapkan. Meskipun demikian, precision kelas Sedang tercatat rendah yaitu 0,33 akibat pergeseran decision boundary yang ditimbulkan oleh Random Oversampling berbasis replikasi identik, sehingga sistem lebih tepat digunakan sebagai alat bantu pendukung keputusan yang tetap memerlukan validasi teknisi. Sistem Daily Report berbasis website yang dikembangkan mampu meningkatkan efektivitas pengelolaan laporan pemeliharaan serta mendukung keandalan operasional pembangkit listrik di PT Geo Dipa Energi (Persero).
IMPLEMENTATION OF CONVOLUTIONAL NEURAL NETWORK (CNN) ALGORITHM IN MOBILE APPLICATION-BASED VOICE EMOTION CLASSIFICATION SYSTEM Naufal Ammar Raihan; Muhamad Fuat Asnawi; Iman Ahmad Ihsannuddin; Nahar Mardiyantoro; Muhammad Alif Muwafiq Baihaqy
Clean Energy and Smart Technology Vol. 4 No. 2 (2026): April
Publisher : Nacreva Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/cest.v4i2.211

Abstract

The ability of machines to recognize emotions from voice is known as Speech Emotion Recognition (SER). This study developed a voice emotion classification system using a Convolutional Neural Network (CNN) and implemented it in the form of an Android mobile application. The main problem raised is how to recognize human emotions through voice signals accurately, efficiently, and in real-time on mobile devices. The study was conducted with two training stages, namely pre-training using the RAVDESS dataset and fine-tuning with the IndoWaveSentiment dataset. Audio data was converted into a 128×128×1 Mel-spectrogram to be input to the CNN. The CNN model consists of three convolution and pooling blocks, as well as dense and softmax layers. After training, the model was converted to TensorFlow Lite format and integrated with the Android application through a client-server architecture using Flask. The test results showed that the system was able to recognize neutral, happy, disappointed, and surprised emotions with a high level of accuracy both on test data but not as good on live recorded voice. The system also features a SQLite-based history feature. Test results showed 96% accuracy on external test data and 55% on live recorded audio, with an average accuracy of 75.5%. This indicates the model performs very well in structured conditions, but still needs improvement for real-world input.
SISTEM KLASIFIKASI MUTU BUAH SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Zaid Husni Abdillah; Nahar Mardiyantoro; Muslim Hidayat; Saifu Rohman; Nur Hasanah
Tekompedia : Jurnal Ilmiah Ilmu Komputer Vol 3 No 2 (2026): Juli
Publisher : CV Nature Creative Innovation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58641/technomedia.v3i2.269

Abstract

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidakkonsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur MobileNetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, dan C), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian pada perangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B. Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas.
Co-Authors dimas prasetyo utomo Erna Dwi Astuti Feni Yulianti Harun Al Rosid Hidayat, Muslim Ibnu Alif Utomo Imam Subekti Iman Ahmad Ihsannuddin Mefa Listiani Muhamad Fuat Asnawi Muhammad Abqoriyyan Yalmak Muhammad Alif Muwafiq Baihaqy Muslim Hidayat Naufal Ammar Raihan Nulgafan Nulngafan Nulngafan Nulngafan Nulngafan Nur Hasanah Saifu Rohman Saromah Sukowiyono Suwondo, Adi Zaid Husni Abdillah Zulhilmi