Article Per Year (5 Year)
p-Index From 2021 - 2026
1.556
P-Index
This Author published in this journals
All Journal JOISIE (Journal Of Information Systems And Informatics Engineering) Indonesian Journal of Education And Computer Science Jurnal Testing dan Implementasi Sistem Informasi CSRID
Muhammad Siddik
Institut Bisnis dan Teknologi Pelita Indonesia
Computer Science & IT Education

Published : 8 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 8 Documents
Search

 1 
ANALISIS PENGUKURAN NUMERIK PADA OPTIMALISASI CLUSTER OBAT DI APOTEK X MENGGUNAKAN DAVIES BOULDIN INDEX Gusrianty Gusrianty; Muhammad Siddik
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 5 No 1 (2021)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v5i1.1350

Abstract

Penggunaan teknik ukur yang berbeda dalam pengelompokkan mengakibatkan hasil pengelompokkan yang berbeda pula. Pengujian data terhadap sejumlah k uji menjadikan penempatan anggota cluster obat tidak sama pada setiap pengukuran sehingga kemudian diperlukan optimalisasi cluster. Hal ini dapat menimbulkan keraguan bagi para pengguna data yang ingin memperoleh informasi yang akurat. Penelitian dilakukan untuk mengkaji perbandingan hasil optimalisasi cluster obat dengan menggunakan variabel ketegori, jenis dan satuan obat yang dikelompokkan dengan pengukuran numerik yakni Manhattan Distance, Canberra Distance dan Dynamic Time Warping Distance (DTWD) menggunakan teknik evaluasi cluster Davises Bouldin Index (DBI). Hasil pengujian yang diproleh melalui aplikasi RapidMiner menujukkan bahwa cluster optimal dari ketiga pengukuran tersebut terdapat pada k=2, k=3 dan k=2 dengan nilai DBI adalah 0,752, 0,873, dan 0, 868. Manhattan terpilih sebagai teknik ukur numerik yang lebih baik dari pada dua teknik lainnya karena memiliki nilai DBI terendah yang di uji pada k 2.
PENERAPAN METODE NAÏVE BAYES DALAM MENGKLASIFIKASI TINGKAT OBESITAS PADA PRIA Juan Veron Wie; Muhammad Siddik
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 6 No 2 (2022)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v6i2.2467

Abstract

Obesitas merupakan salah satu penyakit yang disebabkan kelebihan lemak yang tidak normal pada jaringan adiposa. Hasil riset kesehatan dasar pada tahun 2018 mengatakan penduduk yang berumur lebih dari 18 tahun yang mengalami obesitas meningkat dari 14.8% menjadi 21.8%. Penyakit obesitas juga dapat meningkatkan risiko penyakit kritis seperti penyakit jantung dan stroke, oleh karena itu, cukup penting dilakukan prediksi terhadap seseorang terkena obesitas atau tidak agar obesitas dapat ditangani lebih awal. Disini data yang diambil hanyalah pengukuran data antropometri pada subjek pria hal ini dikarenakan komposisi lemak tubuh pada pria memiliki tingkat massa otot pada tubuh yang lebih tinggi, pria juga lebih cenderung untuk memiliki jaringan adiposa pada area abdomen. Pada penelitian ini digunakan data sekunder yang diambil dari kaggle.com. Data ini memiliki 15 variabel dan 252 data dengan 2 klasifikasi yaitu (Obesitas atau Non Obesitas). Dari hasil pengujian klasifikasi pada rasio 70% training dan 30% testing menggunakan naïve bayes didapatkan hasil Accuracy 88%, Precision (Obesitas) 73%, sedangkan Precision (Non Obesitas) 98%, Recall (Obesitas) 96% dengan Recall (Non Obesitas) 85% dan hasil F1-Score sebesar 0.830188679. Hasil tersebut menunjukkan skala rata-rata diatas 80% sehingga dapat dikatakan bahwa algoritma Naïve Bayes Classifier (NBC) mampu mengklasifikasi obesitas pada pria dengan baik.
PENGOPTIMALAN PENGUKURAN BREGMAN DIVERGENCES MENGGUNAKAN DAVIES BOULDIN INDEX Deny Jollyta; Muhammad Siddik; Johan Johan; Gustientiedina Gustientiedina
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 7 No 1 (2023)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

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

Abstract

Penentuan cluster optimal ini seringkali ambigu karena dihasilkan dari beberapa kelompok. Pemilihan informasi dari kelompok mana yang akan digunakan oleh pengguna menjadi masalah tersendiri karena menyangkut pembuatan kebijakan. Davies Bouldin Index (DBI) merupakan teknik evaluasi cluster untuk menentukan jumlah cluster yang optimal dan didukung dengan pengukuran jarak yang tepat. Penelitian ini bertujuan untuk mendapatkan cluster melalui teknik DBI yang diterapkan pada pengukuran Bregman Divergences, Mahalano dan Square Euclidean Distance, menggunakan algoritma K-Means dan K-Medoids. Hasil pengujian ditunjukkan melalui beberapa indikator yang digunakan sebagai tolak ukur untuk mengetahui kinerja Bregman Divergences dalam menentukan jumlah cluster seperti korelasi, algoritma cluster yang digunakan, pola DBI, hasil DBI, k-optimal dan waktu yang dibutuhkan untuk pengujian. Melalui kedua algoritma clustering tersebut, jarak Mahalano dapat menghasilkan pola pengelompokan yang konsisten dan teknik pengukuran Square Euclidean Distance berhasil menunjukkan performa DBI terbaik yang menempatkan k=2 sebagai cluster optimal, nilai DBI terendah sebesar 0,882 dan 1,030 pada waktu pengujian. selama 0 detik.
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
Pengembangan Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi Berbasis Multi-Kriteria Menggunakan Metode Simple Additive Weighting (SAW) pada Sekolah Menengah Kejuruan Samsir; Maisarah Ritonga; Muhammad Siddik
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-.18.2.2026.205-217

Abstract

The selection process of outstanding students in Vocational High Schools (SMK) often suffers from subjectivity and inefficiency due to manual assessment procedures. This study aims to develop a web-based Decision Support System (DSS) using the Simple Additive Weighting (SAW) method to determine outstanding students more objectively. The system integrates three achievement categories—academic, professional, and sports achievements—represented by nine evaluation indicators with different weights according to their importance. The SAW method was applied through decision matrix construction, normalization, weighting, and preference value calculation. The results show that the best alternative obtained a preference value of 6.77 and was recommended as the outstanding student. Black Box testing indicated that all system functions operated successfully with a 100% success rate. Furthermore, the system reduced the selection process time from 40 minutes to 8 minutes, representing an 80% efficiency improvement compared with the manual process. These findings demonstrate that the implementation of the SAW method effectively improves objectivity, transparency, and efficiency in the outstanding student selection process in vocational high schools.
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
HAND POSE CLASSIFICATION USING MEDIAPIPE HANDS AND CNN-LSTM FOR AUGMENTED REALITY BASED INTRAVENOUS INFUSION LEARNING Yenny Desnelita; Muhammad Siddik; Lita Lita; Alyauma Hajjah; Gustientiedina Gustientiedina
Jurnal Testing dan Implementasi Sistem Informasi Vol. 3 No. 2 (2025): Jurnal Testing dan Implementasi Sistem Informasi
Publisher : Lembaga Riset dan Inovasi Almatani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55583/jtisi.v3i2.2343

Abstract

Intravenous infusion training requires precise hand positioning and coordinated movements; however, conventional training approaches remain subjective and lack consistent real-time feedback. Moreover, existing augmented reality (AR)-based systems are largely limited to visualization and do not provide intelligent, automated skill evaluation. To address this gap, this study proposes an integrated hand pose classification framework that combines MediaPipe-based landmark extraction, CNN-LSTM spatio-temporal modeling, and AR-based feedback for real-time procedural learning. The novelty of this work lies in the seamless integration of lightweight feature representation, hybrid deep learning, and interactive AR feedback within a unified learning system. Experimental results demonstrate that the proposed approach achieves high classification performance, with an accuracy of 94.82% and an AUC of approximately 0.97, indicating strong discriminative capability. The system also operates in real time with low latency, enabling immediate feedback and adaptive learning. This study contributes theoretically to spatio-temporal gesture modeling and practically to the development of intelligent AR-based training systems. The proposed framework offers a scalable and objective solution for improving procedural accuracy, consistency, and accessibility in medical education.
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.
Co-Authors Alyauma Hajjah Azrai Sirait Deny Jollyta Desnelita, Yenny Fahruzi Sirait Gusrianty Gusrianty Gustientiedina Johan Johan Juan Veron Wie Lita Lita Maisarah Ritonga Samsir Zulkifli