Article Per Year (5 Year)
p-Index From 2021 - 2026
2.266
P-Index
This Author published in this journals
All Journal JurTI (JURNAL TEKNOLOGI INFORMASI) The IJICS (International Journal of Informatics and Computer Science) JOURNAL OF SCIENCE AND SOCIAL RESEARCH JOISIE (Journal Of Information Systems And Informatics Engineering) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer U-NET Jurnal Teknik Informatika Indonesian Journal of Education And Computer Science Jurnal Pengabdian Masyarakat dan Riset Pendidikan CSRID Jurnal Teknik Informatika dan Teknologi Informasi
Azrai Sirait
Universitas Asahan
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Sistem Pendukung Keputusan Penilaian Kinerja Karyawan PT Pertamina Menggunakan Metode Simple Additive Weighting : Penelitian Muhammad Fauzan Yafi; Azrai Sirait
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 April - Juni
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6437

Abstract

Penilaian kinerja karyawan merupakan salah satu aspek penting dalam meningkatkan kualitas sumber daya manusia di suatu perusahaan. PT Pertamina Terminal BBM Kisaran masih menghadapi beberapa kendala dalam proses penilaian kinerja karyawan, seperti adanya unsur subjektivitas dan kesulitan dalam mengolah berbagai kriteria penilaian secara tepat. Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan penilaian kinerja karyawan menggunakan metode Simple Additive Weighting (SAW) agar proses penilaian dapat dilakukan secara lebih objektif, cepat, dan akurat. Metode SAW digunakan dengan cara memberikan bobot pada setiap kriteria penilaian, seperti disiplin, kualitas kerja, tanggung jawab, kehadiran, dan kerja sama. Sistem ini dirancang menggunakan Use Case Diagram, Activity Diagram, dan Entity Relationship Diagram (ERD) dengan bantuan Visual Paradigm dan Visio, serta diimplementasikan menggunakan bahasa pemrograman PHP 8 berbasis web. Hasil penelitian menunjukkan bahwa metode SAW mampu menghasilkan perankingan kinerja karyawan secara transparan dan terukur sehingga dapat membantu pihak manajemen PT Pertamina dalam mengambil keputusan terkait evaluasi kinerja karyawan secara lebih efektif dan efisien.
Sistem Identifikasi Wajah Berbasis Deep Learning dengan Mekanisme On-Demand untuk Efisiensi Komputasi dan Kinerja Real-Time Fahruzi Sirait; Muhammad Siddik; Zulkifli Zulkifli; Azrai Sirait
Indonesian Journal of Education And Computer Science Vol. 4 No. 1 (2026): INDOTECH - April 2026
Publisher : PT. INOVASI TEKNOLOGI KOMPUTER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60076/indotech.v4i1.2035

Abstract

Perkembangan teknologi pengolahan citra digital telah mendorong pemanfaatan sistem pengenalan wajah sebagai salah satu metode biometrik yang banyak digunakan dalam berbagai bidang, seperti keamanan, absensi, dan identifikasi individu. Penelitian ini bertujuan untuk mengimplementasikan sistem identifikasi wajah menggunakan library face recognition berbasis bahasa pemrograman Python pada platform Google Colab. Sistem yang dibangun memanfaatkan dataset citra wajah yang disimpan pada Google Drive serta input gambar yang diperoleh secara langsung melalui webcam berbasis browser. Metode yang digunakan adalah face encoding untuk mengekstraksi fitur wajah, kemudian dilakukan pencocokan menggunakan perhitungan jarak (face distance). Hasil pengujian menunjukkan bahwa sistem mampu mengenali wajah yang terdapat dalam dataset dengan tingkat akurasi yang baik pada kondisi pencahayaan yang memadai. Selain itu, sistem juga mampu mendeteksi wajah yang tidak terdaftar dengan memberikan label “wajah tidak ditemukan”. Implementasi ini menunjukkan bahwa penggunaan platform berbasis cloud seperti Google Colab dapat menjadi solusi efektif dan efisien dalam pengembangan sistem pengenalan wajah tanpa memerlukan perangkat keras dengan spesifikasi tinggi
Sistem Pakar Deteksi Penyakit THT Menggunakan Metode SAW Samsir; Muhammad siddik; Azrai Sirait
CSRID (Computer Science Research and Its Development Journal) Vol. 18 No. 2 (2026): Juni 2026
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.18.2.2026.409-425

Abstract

Ear, Nose, and Throat (ENT) disorders are common health issues that require timely intervention from the early stages to prevent complications. However, a shortage of ENT specialists and the unequal distribution of healthcare services hinder optimal consultation and initial diagnosis, particularly in areas with limited access to healthcare. While various studies have developed disease diagnosis systems using inference methods—such as Forward Chaining and Certainty Factor—the application of the Simple Additive Weighting (SAW) method as a Multi-Criteria Decision Making (MCDM) approach to rank potential diseases based on symptom combinations remains relatively limited. This study aims to develop a web-based expert system for the initial diagnosis of ENT disorders by utilizing a knowledge base derived from ENT specialists and implementing the SAW method as a decision-making mechanism to identify the most likely disease (the alternative with the highest preference value). The knowledge base is represented through relationships between symptoms, diseases, symptom weights, and management guidelines. The diagnostic process involves constructing a decision matrix, normalizing values, weighting symptoms, and calculating preference values ​​using the SAW method. Developed using PHP and MySQL, the system provides initial diagnostic recommendations and management advice based on user-selected symptoms. This research contributes by applying the SAW method as a multi-criteria decision-making mechanism within an ENT diagnosis system, thereby making the process of identifying potential diseases more systematic, transparent, and adaptable to changes in the knowledge base
IMPLEMENTASI ALGORITMA COSINE SIMILARITY DALAM PENGENALAN WAJAH UNTUK APLIKASI ABSENSI Muhammad Siddik; Azrai Sirait
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol. 9 No. 1 (2025)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v9i1.4772

Abstract

Pengenalan wajah merupakan salah satu metode biometrik yang digunakan dalam berbagai aplikasi, termasuk sistem absensi. Dalam penelitian ini, diterapkan algoritma Cosine Similarity untuk mengukur tingkat kemiripan antara gambar wajah yang terdaftar dengan gambar wajah yang diambil saat absensi. Cosine Similarity mengukur kedekatan antara dua vektor fitur wajah dengan menggunakan rumus perbandingan sudut antara vektor-vektor tersebut. Proses dimulai dengan ekstraksi fitur wajah dari kedua gambar, diikuti dengan perhitungan cosine similarity untuk menentukan persentase kemiripan. Hasil perhitungan ini digunakan untuk memverifikasi identitas pengguna pada sistem absensi. Semakin tinggi persentase kemiripan, semakin besar kemungkinan wajah yang terdaftar dan yang diambil adalah sama. Gambar wajah yang diregistrasi di uji dengan gambar yang memeiliki sedikit kemiripan atau tidak mirip sama sekalii agar gambar wajah bisa di deteksi. Persentase kemiripan yang harus diperoleh adalah minimal 60% dari hasil perbandingan gambar wajah saat registrasi dengan saat proses absensi oleh demikian maka sistem akan memperbolehkan melakukan penyimpanan data dan sebailknya jika persentase kemiripan di bawah 60% atau sampai 0% maka sistem akan menolak untuk penyimpanan data kehadiran absensi. Penelitian ini menunjukkan bahwa penggunaan Cosine Similarity dalam pengenalan wajah dapat memberikan solusi yang efisien dan akurat 80% dalam sistem absensi berbasis wajah.
OPTIMALISASI PENENTUAN PRIORITAS PEMBANGUNAN INFRASTRUKTUR DI DAERAH TERTINGGAL MENGGUNAKAN METODE FUZZY SUGENO Fadillah Aulia Rahma; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4576

Abstract

Abstract : This study aims to optimize the determination of infrastructure development priorities in underdeveloped areas using the Fuzzy Sugeno method. The inequality of development between regions remains a national strategic issue. By applying fuzzy logic, this research accommodates uncertainty in data related to accessibility, geographic characteristics, and infrastructure conditions. The Fuzzy Sugeno method was implemented to produce a decision support system capable of providing accurate priority recommendations. The results indicate that this method consistently produces valid outputs based on the specified input criteria. The designed system is expected to assist the government in determining development priorities objectively and efficiently. Keywords: fuzzy sugeno; decision support system; infrastructure; underdeveloped areas. Abstrak: Penelitian ini bertujuan untuk mengoptimalkan penentuan prioritas pembangunan infrastruktur di daerah tertinggal menggunakan metode Fuzzy Sugeno. Permasalahan ketimpangan pembangunan antar wilayah masih menjadi isu strategis nasional. Dengan menerapkan pendekatan logika fuzzy, penelitian ini berusaha mengakomodasi ketidakpastian dalam data aksesibilitas, karakteristik geografis, serta sarana dan prasarana. Metode Fuzzy Sugeno diterapkan untuk menghasilkan sistem pendukung keputusan yang mampu memberikan rekomendasi prioritas secara akurat. Hasil penelitian menunjukkan bahwa metode ini mampu memberikan nilai output yang konsisten berdasarkan kriteria input yang ditentukan. Sistem yang dirancang diharapkan dapat membantu pemerintah dalam menentukan prioritas pembangunan secara objektif dan efisien. Kata kunci: fuzzy sugeno; sistem pendukung keputusan; infrastruktur; daerah tertinggal.
POLA PENGISIAN KENDARAAN LISTRIK YANG EFEKTIF DAN EFESIEN MENGGUNAKAN METODE CLUSTERING Ayu Syahfitri; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4680

Abstract

Abstract: The development of electric vehicles in Indonesia continues to grow in line with global efforts to reduce carbon emissions. However, the limited and uneven distribution of public electric vehicle charging stations (SPKLU) remains a major obstacle. This study aims to analyze effective and efficient electric vehicle charging patterns using the K-Means Clustering method. The dataset was obtained from the Kaggle platform, containing attributes such as time, duration, charging level, and location. The research process includes data collection, cleaning, normalization, model training, and testing. The results show that the K-Means method successfully groups charging patterns with good cluster clarity. The developed web-based system also simplifies the analysis of SPKLU usage patterns automatically and efficiently. This research is expected to serve as a reference for planning electric vehicle charging infrastructure in Indonesia and to expand the application of machine learning in the field of Information Technology Engineering. Keywords: K-Means Clustering, Electric Vehicle, Charging Pattern, SPKLU, Machine Learning. Abstrak: Perkembangan kendaraan listrik di Indonesia terus meningkat seiring upaya global mengurangi emisi karbon. Namun keterbatasan dan ketidakteraturan stasiun pengisian kendaraan listrik umum (SPKLU) masih menjadi kendala utama. Penelitian ini bertujuan menganalisis pola pengisian kendaraan listrik yang efektif dan efisien menggunakan metode K-Means Clustering. Data diperoleh dari platform Kaggle dengan atribut waktu, durasi, tingkat, dan lokasi pengisian. Proses penelitian meliputi pengumpulan, pembersihan, normalisasi, pelatihan, serta pengujian model. Hasil menunjukkan bahwa metode K-Means mampu mengelompokkan pola pengisian dengan tingkat kejelasan cluster yang baik. Sistem berbasis web yang dikembangkan juga mempermudah analisis pola penggunaan SPKLU secara otomatis dan efisien. Penelitian ini diharapkan menjadi acuan dalam perencanaan infrastruktur pengisian kendaraan listrik di Indonesia serta memperluas penerapan machine learning di bidang Teknik Informatika. Keyword: K-Means Clustering, Kendaraan Listrik, Pola Pengisian, SPKLU, Machine Learning. 
IMPLEMENTASI METODE FUZZY C-MEANS DALAM CLUSTERING INFLASI TERHADAP PRODUK DOMESTIK BRUTO Aura Adinda; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4876

Abstract

Abstract: Batubara Regency is a region with a significant economic contribution to the national Gross Domestic Product (GDP). Economic growth in this region is influenced by various factors, one of which is the inflation rate. Uncontrolled inflation can reduce people's purchasing power, disrupt price stability, and ultimately impact GDP growth. Conversely, increasing GDP can also influence inflation patterns, particularly through the demand and supply of goods and services. The data used in this study is inflation in gross domestic product in Batu Bara Regency for 2020-2024. The objective of this study was to design and create a clustering application to group inflation within gross domestic product in Batubara Regency. The developed application has proven to be able to display precise and accurate information regarding inflation groups relative to GDP in Batubara Regency. The clustering results provide a clear picture of the region's economic conditions, thus serving as a basis for more effective decision-making and economic policy planning. Keywords: Implementation, Fuzzy C-Means Method, Clustering, Inflation, Gross Domestic Product Abstrak: Kabupaten Batubara merupakan salah satu wilayah dengan kontribusi ekonomi yang cukup besar terhadap Produk Domestik Bruto (PDB) nasional. Pertumbuhan ekonomi di daerah ini dipengaruhi oleh berbagai faktor, salah satunya adalah tingkat inflasi. Inflasi yang tidak terkendali dapat mengurangi daya beli masyarakat, mengganggu stabilitas harga, dan pada akhirnya berpengaruh terhadap laju pertumbuhan PDB. Sebaliknya, PDB yang meningkat juga dapat memengaruhi pola inflasi, terutama melalui sisi permintaan dan penawaran barang serta jasa. Data yang digunakan dalam penelitian ini ialah inflasi pada  produk domestik bruto di Kabupaten Batu Bara tahun 2020-2024. Tujuan dalam penelitian ini adalah untuk merancang dan membuat aplikasi clustering dalam mengelompokan inflasi pada  produk domestik bruto di Kabupaten Batubara. Aplikasi yang dikembangkan terbukti dapat menampilkan informasi yang tepat dan akurat mengenai kelompok inflasi terhadap PDB di Kabupaten Batubara. Hasil clustering yang ditampilkan memberikan gambaran yang jelas tentang kondisi ekonomi daerah, sehingga dapat digunakan sebagai dasar dalam pengambilan keputusan dan perencanaan kebijakan ekonomi yang lebih efektif. Kata Kunci: Implementasi, Metode Fuzzy C-Means, Clustering, Inflasi, Produk Domestik Bruto
PENERAPAN JARINGAN PERCEPTRON UNTUK KLASIFIKASI KESELURUHAN PENJUALAN IKAN PADA PT. HALINDO BERJAYA MANDIRI Putri Nadila; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 2 (2026): April 2026
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i2.6392

Abstract

Abstract: In managing its business strategy, PT. Halindo Berjaya Mandiri requires an intelligent computational approach to evaluate and predict the achievement level of sales targets based on historical data. This study aims to implement an Artificial Neural Network (ANN) using the Perceptron algorithm to classify overall fish sales data into two binary categories: 'Target Achieved' and 'Target Not Achieved'. The data used in this study relies on three independent input variables, namely the sales history in 2023, 2024, and 2025. The computational stages applied include data matrix preprocessing through the Min-Max Scaling normalization technique, linear combination calculation (Weighted Sum) mapped through the Sigmoid activation function, and an iterative optimization stage using the Delta Rule to update the weight and bias values. Based on the simulation and training conducted, the model was quantitatively evaluated using the Confusion Matrix method. The system testing results show that the Perceptron algorithm is capable of performing classification with a highly optimal accuracy rate of 94.81% and producing a very low error rate (Mean Squared Error) of 0.030291. This study proves that the ANN method with the Perceptron algorithm has high reliability and is highly feasible to be implemented as the foundation for a predictive decision support system at PT. Halindo Berjaya Mandiri. Keywords: Artificial Neural Network, Perceptron Algorithm, Classification, Delta Rule, Sigmoid Function, Fish Sales.   Abstrak: PT. Halindo Berjaya Mandiri dalam mengelola strategi bisnisnya memerlukan pendekatan komputasi cerdas untuk mengevaluasi dan memprediksi tingkat pencapaian target penjualan berdasarkan data historis. Penelitian ini bertujuan untuk mengimplementasikan Jaringan Saraf Tiruan (JST) menggunakan algoritma Perceptron guna mengklasifikasikan data keseluruhan penjualan ikan ke dalam dua kategori biner, yaitu 'Mencapai Target' dan 'Tidak Mencapai Target'. Data yang digunakan dalam penelitian ini bertumpu pada tiga variabel masukan independen, yakni riwayat penjualan pada Tahun 2023, 2024, dan 2025. Tahapan komputasi yang diterapkan meliputi prapemrosesan matriks data melalui teknik normalisasi Min-Max Scaling, perhitungan kombinasi linear (Weighted Sum) yang dipetakan melalui fungsi aktivasi Sigmoid, serta tahapan optimasi iteratif menggunakan aturan Delta Rule untuk memperbarui nilai bobot dan bias. Berdasarkan simulasi dan pelatihan yang dilakukan, model dievaluasi secara kuantitatif menggunakan metode Confusion Matrix. Hasil pengujian sistem menunjukkan bahwa algoritma Perceptron mampu melakukan klasifikasi dengan tingkat akurasi yang sangat optimal sebesar 94,81% serta menghasilkan rasio tingkat kesalahan (Mean Squared Error) yang sangat rendah, yaitu 0,030291. Penelitian ini membuktikan bahwa metode JST algoritma Perceptron memiliki keandalan yang tinggi dan sangat layak untuk diimplementasikan sebagai landasan sistem pendukung keputusan prediktif pada PT. Halindo Berjaya Mandiri. Kata Kunci: Jaringan Saraf Tiruan, Algoritma Perceptron, Klasifikasi, Delta Rule, Fungsi Sigmoid, Penjualan Ikan.
SISTEM ABSENSI PEGAWAI BERBASIS WEB MENGGUNAKAN VERIFIKASI MULTI-FAKTOR GEOFENCING HAVERSINE, QR CODE, DAN SELFIE PADA KANTOR DESA TELUK DALAM Rizky Riansyah Panjaitan; Sayyid Tsaqif Al Ulwan Silalahi; Intan Nabila Sari; Dhea Annisa Syafira Mrp; Andadari Puspita Ningrum; Azrai Sirait
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 9 No. 4 (2026): August 2026 (1)
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v9i4.7098

Abstract

Manual attendance recording at village government offices still leaves several problems, including susceptibility to buddy punching, failure to record the employee's position during check-in, and slow recapitulation. Location-based attendance systems examined in previous studies generally rely on only one or two forms of verification, so the validity of their data remains limited. This study aims to design and build a web-based employee attendance system at the Teluk Dalam Village Office that applies multi-factor verification, comprising the scanning of a secret-token QR code, area restriction (geofencing) through distance calculation using the Haversine formula, identity verification using a PIN, selfie photo capture, and automatic early detection of fraud attempts based on device fingerprint and check-in time proximity. The system was developed using the Waterfall model with framework-less PHP and a MySQL database so that it runs lightly on shared hosting. Testing of the Haversine formula shows that the system is able to consistently distinguish check-ins located inside and outside the office radius, while black-box testing shows that all functions run as designed. By combining five verification layers in a single integrated system within a village government environment, this study not only shifts attendance recording to a digital form but also strengthens data validity and reduces the possibility of attendance manipulation.
Co-Authors Andadari Puspita Ningrum Aura Adinda Ayu Syahfitri Dhea Annisa Syafira Mrp Dicky Apdilah Fadillah Aulia Rahma Fahruzi Sirait Indah Kusuma Dewi, Indah Kusuma Intan Nabila Sari Muhammad Fauzan Yafi Muhammad Hadi Saputra Muhammad Siddik Muhammad Siddik Putri Nadila Radius Prawiro Rantika Dewi Rizky Riansyah Panjaitan Samsir Samsir Samsir Santi Nurul Fianti Sayyid Tsaqif Al Ulwan Silalahi Zulkifli Zulkifli