Article Per Year (5 Year)
p-Index From 2021 - 2026
5.908
P-Index
This Author published in this journals
All Journal SAMUDERA Infotech Journal ITEj (Information Technology Engineering Journals) JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL PENDIDIKAN TAMBUSAI Jurnal Nasional Komputasi dan Teknologi Informasi JURIKOM (Jurnal Riset Komputer) Jurnal Informasi dan Teknologi Jurnal Sosial Humaniora Sigli Jatilima : Jurnal Multimedia Dan Teknologi Informasi Jurnal Teknik Informatika (JUTIF) International Journal of Engineering, Science and Information Technology JUTECH : Journal Education and Technology ARRUS Journal of Engineering and Technology Instal : Jurnal Komputer Jurnal Ilmu Komputer dan Informatika Journal of Renewable Energy, Electrical, and Computer Engineering TECHSI - Jurnal Teknik Informatika Sisfo: Jurnal Ilmiah Sistem Informasi Journal of Information Technology (JINTECH) Journal Of Artificial Intelligence And Software Engineering Jurnal Malikussaleh Mengabdi Journal of Advanced Computer Knowledge and Algorithms Jurnal Solusi Masyarakat (JSM) INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Teewan Journal Solutions
Asrianda Asrianda
Teknik Informatika Universitas Malikussaleh
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Other

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 2   3   4   5   6 
Klasterisasi Data Stunting Pada Balita Di Puskesmas Xyz Dengan Menggunakan Metode Mixture Modelling Delianda, Anggun; Asrianda, Asrianda; Fitri, Zahratul
JURNAL RISET KOMPUTER (JURIKOM) Vol. 12 No. 3 (2025): Juni 2025
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v12i3.8580

Abstract

This research is motivated by the high prevalence of stunting in Indonesia, reflecting nutritional imbalances in early childhood. To address this issue, an information technology approach is employed to identify at-risk infant groups. The analyzed data consists of anthropometric information, including height, weight, and age of infants, collected from the Peusangan Health Center. The applied method is the Gaussian Mixture Model (GMM) with the Expectation-Maximization algorithm to cluster the data into two groups: "Potential Stunting" and "Not Stunting." The research results indicate that several Posyandu and villages have notably high potential stunting rates, such as Posyandu Bungong Seulanga (141 infants) and Pante Gajah village (116 infants), with a higher prevalence among male infants (34.67%) and those aged 52–60 months (24.18%). Model evaluation using a confusion matrix on 1,465 data points showed a True Positive of 958 (65.36%), False Negative of 4 (0.27%), False Positive of 503 (34.33%), and True Negative of 0 (0%), with an accuracy of 65.36% and an error rate of 34.64%. However, a previous accuracy test on 1,665 data points only achieved 34.55%, indicating unsatisfactory individual prediction performance. In conclusion, Mixture Modelling is effective for clustering and identifying at-risk groups but lacks accuracy in individual predictions, with a bias toward the "Potential Stunting" class that requires improvement in future research.
Peningkatan Kapasitas Pelatih Perisai Diri dalam Persiapan Kejuaraan Asrianda; Kurniawati; Wibowo, Patmono; Fadlisyah; Zulfadli
Jurnal Solusi Masyarakat (JSM) Vol. 4 No. 1 (2026)
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jsm.v4i1.26074

Abstract

Perisai Diri silat championships require athletes to demonstrate comprehensive readiness encompassing physical, mental, and strategic dimensions, positioning coaches as key actors in systematically directing the athlete development process. However, limited access to capacity-building programs grounded in scientific approaches remains a challenge for many coaches, particularly in managing psychological aspects, injury prevention, and the application of effective and safe training methods. This community engagement activity aims to enhance the capacity of Perisai Diri coaches in preparing athletes for competition by strengthening their understanding of psychological training, mastery of structured training methods, and the application of health and nutrition principles for athletes. The activity was implemented through integrated stages, including training sessions, mentoring, and evaluation. The results indicate a noticeable improvement in coaches’ understanding and readiness to design adaptive training programs that balance physical and mental training while giving due attention to recovery and nutritional aspects. Strengthening coaches’ capacity contributes to meeting athletes’ needs and supports sustainable improvements in performance and competitive achievement in Perisai Diri silat.
IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI PENGELUARAN KEUANGAN BERDASARKAN POLA EKSTERNAL DAN INTERNAL (SEASONALITY, KEGIATAN RUTIN & INSIDENTIL) STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS ALMUSLIM Hajar, Siti; Asrianda, Asrianda; Fikry, Muhammad
JUTECH : Journal Education and Technology Vol 6, No 2 (2025): JUTECH DESEMBER
Publisher : STKIP Persada Khatulistiwa Sintang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31932/jutech.v6i2.6008

Abstract

Perencanaan anggaran yang akurat merupakan faktor penting dalam pengelolaan keuangan perguruan tinggi. Fakultas Teknik Universitas Almuslim menghadapi fluktuasi pengeluaran yang dipengaruhi oleh pola internal dan eksternal, seperti seasonality, kegiatan rutin akademik, serta kegiatan insidentil. Penelitian ini bertujuan untuk mengimplementasikan metode machine learning dalam memprediksi pengeluaran keuangan fakultas berdasarkan pola-pola tersebut. Data historis pengeluaran keuangan pada anggaran tahun 2021 – 2025 digunakan sebagai dataset, yang dikombinasikan dengan variabel waktu dan jenis kegiatan. Tahapan penelitian meliputi preprocessing data, pemodelan, serta evaluasi kinerja model menggunakan metrik kesalahan prediksi. Hasil penelitian menunjukkan bahwa model machine learning mampu menghasilkan prediksi pengeluaran yang lebih akurat dibandingkan metode perencanaan konvensional. Model prediksi ini diharapkan dapat menjadi alat bantu pengambilan keputusan dalam penyusunan anggaran, meningkatkan efisiensi pengelolaan keuangan, serta mendukung penerapan data-driven decision making di lingkungan Fakultas Teknik.
Analysis of Apache Hadoop Architecture in Supporting Large-Scale Data Processing Muhammad Dhuha, Teuku Nabil; Asrianda; Muhammad Fikry
Jurnal Informasi dan Teknologi 2025, Vol. 7, No. 4
Publisher : SEULANGA SYSTEM PUBLISHER

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60083/jidt.vi0.711

Abstract

The rapid development of information technology has led to the exponential growth of data generated from various sectors, such as healthcare services, social media, information systems, and other digital activities. This condition has given rise to the concept of big data, which cannot be optimally processed using conventional data processing technologies. Therefore, distributed computing platforms are required to efficiently handle large-scale data storage and processing. Apache Hadoop is one of the widely used big data technologies due to its distributed architecture that supports scalability, parallel processing, and fault tolerance. This study aims to analyze the architecture of Apache Hadoop and explain the role of each of its components in supporting large-scale data processing. The research method employed is a qualitative literature study, conducted through the review of books, scientific articles, and related publications on Hadoop. The results indicate that Hadoop consists of three main components: the Hadoop Distributed File System as a distributed storage system, MapReduce as a programming model for parallel data processing, and Yet Another Resource Negotiator, which functions in cluster resource management and scheduling. The integration of these components enables Hadoop to manage large-scale data in a reliable and distributed manner. However, Hadoop has limitations related to its batch-based processing model, which is less suitable for real-time processing needs, thus requiring consideration of complementary technologies according to application requirements.
Application of the K-Nearest Neighbor Method for Hypertension Disease Classification Diqti, Fadillah Fauziah; Khaidar, Al; Fikry, Muhammad; Asrianda, Asrianda
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8517

Abstract

Hipertensi merupakan salah satu penyakit tidak menular dengan prevalensi tinggi dan sering disebut sebagai silent killer karena sering tidak menunjukkan gejala. Penelitian ini bertujuan untuk mengklasifikasikan penyakit hipertensi menggunakan metode K-Nearest Neighbor (KNN). Data yang digunakan berjumlah 478 data pasien RSUD H. Sahudin dengan delapan atribut, yaitu usia, tekanan darah sistolik, tekanan darah diastolik, asam urat, kadar glukosa, kolesterol, berat badan, dan tinggi badan. Data dibagi menjadi 70% data latih dan 30% data uji. Hasil pengujian menunjukkan bahwa metode KNN dengan nilai K = 5 menghasilkan tingkat akurasi sebesar 81,25%. Hasil penelitian ini menunjukkan bahwa algoritma KNN efektif digunakan dalam proses klasifikasi penyakit hipertensi dan dapat membantu pengambilan keputusan di bidang kesehatan. 
Development of a Forward Chaining-Based Expert System for Web-Based Initial Screening of Mental Health Disorders Munadila, Aura; Asrianda, Asrianda; Fikry, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8521

Abstract

Kesehatan mental merupakan aspek penting dalam kesejahteraan individu yang memengaruhi kemampuan berpikir, mengelola stres, berinteraksi sosial, serta mengambil keputusan secara efektif. Peningkatan prevalensi gangguan kesehatan mental menuntut adanya solusi berbasis teknologi yang mampu membantu proses skrining dan diagnosis awal secara cepat dan mudah diakses. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web menggunakan metode Forward Chaining sebagai mekanisme inferensi dalam melakukan skrining awal gangguan kesehatan mental. Sistem yang dikembangkan mampu mengidentifikasi lima jenis gangguan kesehatan mental, yaitu gangguan kecemasan, serangan panik, Post Traumatic Stress Disorder (PTSD), skizofrenia, dan Obsessive Compulsive Disorder (OCD), berdasarkan 32 gejala yang diperoleh melalui studi literatur dan konsultasi dengan pakar psikologi. Pengujian sistem dilakukan menggunakan metode black-box testing, white-box testing, dan test with known cases. Hasil pengujian menunjukkan tingkat akurasi sebesar 82,14% pada pengujian black-box, serta akurasi 100% pada pengujian white-box dan test with known cases. Hasil penelitian menunjukkan bahwa metode Forward Chaining efektif diterapkan pada sistem pakar berbasis web sebagai alat bantu skrining awal gangguan kesehatan mental.
The Correlation Of Factors Causing Divorce In Households Using The Apriori Data Mining Algorithm Amalia, Iklasni; Fikry, Muhammad; Asrianda, Asrianda; Khaidar, Al
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8518

Abstract

Mahkamah Syari’ah merupakan lembaga di bawah Mahkamah Agung yang mempunyai misi melayani masyarakat dalam urusan rumah tangga dan kesejahteraan hukum, termasuk perkara perceraian. Aceh Tengah merupakan salah satu kabupaten dengan tingkat percerain yang sangat tinggi yang ada di Aceh dan terus menerus meningkat setiap tahun nya . Tujuan dari penelitian ini guna untuk salah satu cara dalam mencegah terjadinya perceraian yang ada di kabupaten Aceh Tengah, dengan melihat faktor-faktor yang menyebabkan terjadinya perceraian di Aceh Tengah serta korelasi antar faktor terserbut, faktor-faktor yang dicari dibentuk dengan sebuah hubungan yang di sebut Association Rules. Association Rules meruapakan  salah satu metode yang bertujuan untuk mencari pola yang yang sering muncul diantara banyak nya faktor dari beberapa item.  Association Rules ini akan digunakan dalam algoritma Apriori sehingga dapat digunakan untuk mencari korelasi faktor-faktor penyebab perceraian di Aceh Tengah. penelitian ini menggunakan data perceraian yang ada Mahakamah Syari’ah Aceh Tengah pada tahun 2021.Penelitian ini diharapkan akan menghasilkan temuan yang bermanfaat dalam memberikan kontribusi positif bagi masyarakat dalam mencegah terjadinya perceraian yang ada di Aceh Tengah, selain itu diharapkan dapat membuka wawasan baru mengenai pemanfaatan teknik pembelajaran mesin dalam bidang permasalahan perkara-perkara gugatan
Development of E-TGA System Using SDLC Waterfall Method at Politeknik Negeri Lhokseumawe Rahmatillah, Siska Yuna; Asrianda, Asrianda; Fikry, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8516

Abstract

Pengelolaan Tugas Akhir di Politeknik Negeri Lhokseumawe masih menghadapi berbagai permasalahan, antara lain proses Administrasi yang belum terintegrasi, penggunaan dokumen fisik, keterbatasan monitoring, serta kesulitan dalam pencarian dan pengelolaan arsip Tugas Akhir. Kondisi tersebut berdampak pada rendahnya efisiensi, transparansi, dan kualitas layanan akademik. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem E-TGA (Elektronik Tugas Akhir) berbasis web sebagai solusi digital dalam pengelolaan Tugas Akhir mahasiswa secara terintegrasi. Metode penelitian yang digunakan adalah Research and Development (RD) dengan pendekatan mixed methods, serta model pengembangan perangkat lunak Software Development Life Cycle (SDLC) menggunakan metode Waterfall. Sistem E-TGA dirancang untuk memfasilitasi penyerahan dokumen Tugas Akhir secara daring, verifikasi dan validasi dokumen oleh petugas perpustakaan, monitoring data oleh dosen pembimbing, serta penyimpanan repository dokumen Tugas Akhir secara digital. Pengujian sistem dilakukan menggunakan metode black box testing untuk memastikan seluruh fungsi berjalan sesuai dengan kebutuhan pengguna. Hasil penelitian menunjukkan bahwa sistem E-TGA mampu meningkatkan efektivitas dan efisiensi proses pengelolaan Tugas Akhir, mengurangi ketergantungan pada dokumen fisik, mempercepat proses verifikasi, serta meningkatkan akurasi pencarian data melalui fitur pencarian berbasis query SQL dengan operator LIKE dan OR. Dengan demikian, sistem E-TGA dapat mendukung transformasi digital layanan akademik dan menjadi solusi pengelolaan Tugas Akhir yang berkelanjutan di Politeknik Negeri Lhokseumawe.
Implementation Of Single Moving Average In Gold Price Movement Analysis Muqarrabin, Khalis Al; Fikry, Muhammad; Asrianda, Asrianda; Khaidar, Al
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8519

Abstract

Penelitian ini didasarkan pada pentingnya prediksi harga emas sebagai salah satu komoditas yang memiliki volatilitas tinggi. Permasalahan yang diangkat adalah ketidakpastian pergerakan harga emas yang memerlukan metode peramalan yang sederhana namun efektif. Tujuan dari penelitian ini untuk memberikan wawasan lebih dalam tentang bagaimana SMA dapat digunakan dalam analisis pergerakan harga emas dan membantu investor dalam membuat stategi investasi yang lebih baik. Penelitian ini menggunakan metode Single Moving Average (SMA) untuk menganalisis pergerakan harga emas, dengan SMA dihitung berdasarkan rata-rata harga penutupan emas selama 5 dan 10 hari. Akurasi prediksi dievaluasi menggunakan Mean Absolute Error (MAE) dan Mean Squared Error (MSE) yang membandingkan hasil perhitungan SMA dengan harga emas aktual untuk menilai efektivitas metode ini. Hasil penelitian menunjukkan bahwa metode SMA cukup akurat dalam meramalkan tren harga emas jangka pendek, meskipun terdapat sedikit keterlambatan dalam respons terhadap perubahan harga yang mendadak. Metode SMA dapat menjadi alat peramalan yang sederhana dan efektif untuk tren harga emas, terutama untuk periode jangka pendek.
Public Sentiment Analysis on the November 2025 Flood Disaster in Aceh Using Natural Language Processing and Lexicon-Based Approach Erwanda, Ade Putra; Khaidar, Al; Asrianda, Asrianda; Fikry, Muhammad; Khaldun, Ibnu
Journal of Artificial Intelligence and Software Engineering Vol 5, No 4 (2025): Desember (On Progress)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v5i4.8481

Abstract

Bencana banjir yang melanda Provinsi Aceh pada November 2025 merupakan salah satu bencana hidrometeorologi besar yang berdampak luas terhadap kehidupan masyarakat. Banjir terjadi di 16 kabupaten/kota dan mengakibatkan hampir 120 ribu jiwa terdampak, puluhan ribu warga mengungsi, serta kerusakan signifikan pada permukiman dan infrastruktur. Peristiwa ini memicu respons publik yang masif di media sosial, khususnya Instagram. Penelitian ini bertujuan untuk menganalisis sentimen respons masyarakat terhadap bencana tersebut menggunakan pendekatan Natural Language Processing (NLP) berbasis lexicon. Data diperoleh melalui proses data crawling terhadap 2.790 komentar Instagram, yang selanjutnya diproses melalui tahapan text cleaning, case folding, tokenization, stopword removal, dan stemming. Hasil analisis menunjukkan dominasi sentimen positif sebesar 62,51%, diikuti sentimen netral 24,98% dan negatif 12,51%. Temuan ini menunjukkan adanya apresiasi, harapan, serta kritik masyarakat terhadap penanganan bencana, dan dapat menjadi bahan evaluasi bagi pemangku kebijakan dalam meningkatkan strategi penanganan dan komunikasi bencana berbasis data.
Co-Authors Aidilof, Hafizh Al Kautsar Aidilof, Hafizh Al-Kausar Aidilof, Hafizh Al-Kautsar Alvesaldy, Alvin Amalia, Iklasni Amalia, Wildi Ar Razi Ardi Wirya Indarto Armaya, Devira Yuda Asmaul Husna Azmi, Win Damayanti, Ita Delianda, Anggun Dewi, Tursina Diqti, Fadillah Fauziah Erwanda, Ade Putra Eva Darnila Fadlisyah Fajriana, Fajriana Faresya, Natasya Fyanda, Dwi Auji Gunarwan, Gunarwan Herman Fithra Herman Mawengkang Ibnu Khaldun Jange, Beno Jannah, Rauzatul K. M. Nasution , Mahyuddin Kamaruddin Hasan Kautsar, Al Khaidar, Al Kurniawati Lidya Rosnita Mardhatillah, Mardhatillah Maryana Maulana, OK Muhammad Majid Muhammad Azhari Muhammad Dhuha, Teuku Nabil Muhammad Fikry Muhammad Fikry Munadila, Aura Muqarrabin, Khalis Al Mutammimul Ula Nasrul ZA Nasrul ZA, Nasrul Panggabean, Pitra Rahmadani Poltak Sihombing Pratiwi, Dinda Putri, Sri Raihan Rachman, Aulia Rachmat Triandi Tjahjanto Rahayu, Lolia Lusiana Rahmat Hidayat Rahmat Hidayat Rahmat Triandi Rahmatillah, Siska Yuna Raihansyah, Khananda Rauzatul Jannah Razi, Ar Rini Meiyanti Risawandi, Risawandi Rozzi Kesuma Dinata Saputri, Rifa Andriani Sembiring, Vivi Dista Br Siti Hajar Siti Wahyuni Sujacka Retno Utari, Sylva Putri Wahdana, Aldi Wibowo, Patmono Yesy Afrillia ZA , Nasrul Zahratul Fitri, Zahratul Zulfadl, Zulfadl Zulfadli Zulfadli Zulfadli Zulfadli Zulfadli