Articles
<![CDATA[Sistem Pendukung Keputusan Dalam Menentukan Tenaga Pendidik Kejuruan Di Yayasan Pendidikan Raksana Medan Menggunakan Metode Moora ]]>
<![CDATA[Wahyu Asmara]]>;
<![CDATA[Mhd. Gilang Suryanata]]>;
<![CDATA[Khairi Ibnutama]]>
<![CDATA[ Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 4 No. 6 (2025): EDISI NOVEMBER 2025 ]]>
Publisher : <![CDATA[STMIK Triguna Dharma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jursi.v4i6.11532
<![CDATA[Pemilihan tenaga pendidik kejuruan yang tepat merupakan faktor penting dalam meningkatkan kualitas pembelajaran di lembaga pendidikan. Namun, dalam praktiknya, proses seleksi sering kali dilakukan tanpa pendekatan yang sistematis, sehingga menyebabkan ketidaksesuaian antara kompetensi guru dan kebutuhan institusi. Hal ini terjadi pula di Yayasan Pendidikan Raksana Medan, di mana proses pemilihan tenaga pendidik masih cenderung subjektif dan belum berbasis data. Untuk mengatasi permasalahan tersebut, penelitian ini merancang dan membangun sebuah Sistem Pendukung Keputusan (SPK) berbasis desktop dengan menggunakan metode Multi Objective Optimization on the Basis of Ratio Analysis (MOORA). Metode MOORA dipilih karena mampu menangani berbagai kriteria penilaian secara objektif dan terukur. Aplikasi ini dikembangkan menggunakan bahasa pemrograman Visual Basic, yang memungkinkan sistem berjalan secara offline dan mudah digunakan oleh pihak yayasan. Hasil pengujian menunjukkan bahwa aplikasi SPK yang dibangun dapat memberikan rekomendasi pemilihan tenaga pendidik kejuruan secara cepat, akurat, dan sesuai dengan kebutuhan yayasan. Dengan adanya sistem ini, diharapkan proses seleksi menjadi lebih transparan dan efektif dalam mendukung mutu pendidikan kejuruan.]]>
<![CDATA[Aplikasi Cerdas Membantu Orang Tua Meningkatkan Kecerdasan Anak Dalam Pembelajaran Online Pandemi Covid -19 Dengan Algoritma C4.5. ]]>
<![CDATA[Erika Fahmi Ginting]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Sri Kusnasari]]>
<![CDATA[ Jurnal Sistem Komputer dan Informatika (JSON) Vol. 3 No. 2 (2021): Desember 2021 ]]>
Publisher : <![CDATA[Universitas Budi Darma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30865/json.v3i2.3620
<![CDATA[During the current covid-19 pandemic, parents must play a direct role as teachers during online learning from school for their children at home. Knowing the potential intelligence of children is certainly important for parents. By analyzing the ability of the right and left brain, a child can be directed and developed according to their respective abilities. The ability of children's brains at the age of 6 to 12 years is very good to make parents and teachers more selective in determining suitable learning methods to apply them to children. The system that will be built in this research makes it possible to determine the potential of brain intelligence possessed by a child by classifying based on alternatives from the state of right brain or left brain intelligence provided in the database to determine the child's potential. The process of classifying the potential intelligence of children is carried out using the C4.5 Algorithm method pattern from the field of Data Mining. The results of this study are applications that can help parents understand the potential of a child. during the pandemic. The results of making the system that has been carried out have been tested using Rapid Miner and get accurasy results of 90% and classification error with a value of 10%.]]>
<![CDATA[Analisis dan Implementasi Algoritma AES untuk Pengamanan Dokumen Pemerintahan Berbasis Website ]]>
<![CDATA[Zaimah Panjaitan]]>;
<![CDATA[Muhammad Zaki Nasri Nasution]]>;
<![CDATA[Deski Helsa Pane]]>;
<![CDATA[Khairi Ibnutama]]>
<![CDATA[ Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 1 (2026): EDISI JANUARI 2026 ]]>
Publisher : <![CDATA[STMIK Triguna Dharma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jursi.v5i1.12505
<![CDATA[Keamanan dokumen pemerintahan merupakan aspek penting dalam mendukung tata kelola pemerintahan yang transparan dan terpercaya, khususnya pada sistem pengelolaan dokumen berbasis website. Dokumen perencanaan pembangunan, seperti hasil kesepakatan Musyawarah Perencanaan Pembangunan (MUSRENBANG), memiliki tingkat kerahasiaan tinggi sehingga memerlukan mekanisme pengamanan yang andal. Penelitian ini bertujuan untuk menganalisis dan mengimplementasikan algoritma Advanced Encryption Standard (AES) dalam pengamanan dokumen pemerintahan berbasis website. Metode penelitian yang digunakan meliputi analisis kebutuhan sistem, perancangan arsitektur aplikasi, serta implementasi algoritma AES pada proses enkripsi dan dekripsi dokumen. Pengujian sistem dilakukan dengan mengukur waktu proses enkripsi dan dekripsi pada berbagai ukuran file dokumen untuk mengevaluasi kinerja algoritma yang diterapkan. Hasil penelitian menunjukkan bahwa algoritma AES mampu memberikan tingkat keamanan yang baik terhadap dokumen pemerintahan tanpa memberikan dampak signifikan terhadap kinerja sistem berbasis website. Selain itu, sistem yang dikembangkan mampu menjaga kerahasiaan data dokumen dari akses tidak sah. Kesimpulan dari penelitian ini adalah bahwa penerapan algoritma AES efektif digunakan sebagai solusi pengamanan dokumen pemerintahan berbasis website dan dapat diimplementasikan sebagai model pengamanan data pada sistem e-government tingkat lokal.]]>
<![CDATA[Application of Artificial Intelligence In The Detection Of Plant Diseases (Clubroot) ]]>
<![CDATA[Mochammad Iswan]]>;
<![CDATA[Mhd Gilang Suryanata]]>;
<![CDATA[Deski Helsa Pane]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Rian Farta Wijaya]]>
<![CDATA[ JURNAL TEKNOLOGI DAN OPEN SOURCE Vol. 5 No. 1 (2022): Jurnal Teknologi dan Open Source, June 2022 ]]>
Publisher : <![CDATA[Universitas Islam Kuantan Singingi ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.36378/jtos.v5i1.2372
<![CDATA[Indonesia is a tropical country with diverse flora and fauna stretching from west to east. One of the cabbage plants grown in Indonesia has many benefits for human health. Cabbage plants are susceptible to diseases such as pests and pathogens. One of them is clubroot disease, which causes the plant not to grow and develop. Based on the above problems, it is necessary to have a system to support farmers in the scientific field of expert systems that uses the Certainty Factor method to diagnose the nature of clubroot disease. It is hoped that this system can provide information more quickly on whether or not cabbage plants have clubroot disease. The results of this study represent an integrated system capable of solving problems in cabbage plants, especially in the diagnosis of clubroot disease. It is hoped that the applied system can be further developed together with technological developments]]>
<![CDATA[Sistem Pakar untuk Diagnosis Hama dan Penyakit Jeruk Manis dengan Metode K-Nearest Neighbor ]]>
<![CDATA[Jhonni Parulian Rumahorbo]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Masyuni Hutasuhut]]>
<![CDATA[ Jurnal Sistem Informasi Triguna Dharma (JURSI TGD) Vol. 5 No. 2 (2026): EDISI MARET 2026 ]]>
Publisher : <![CDATA[STMIK Triguna Dharma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jursi.v5i2.12142
<![CDATA[Tanaman jeruk manis sangat rentan terhadap serangan hama dan penyakit yang dapat dikenali melalui gejala awal. Namun, kurangnya pengetahuan petani dan keterbatasan waktu untuk berkonsultasi dengan pakar sering menyebabkan gejala tersebut diabaikan hingga berkembang menjadi kondisi yang sulit dikendalikan. Permasalahan ini memunculkan kebutuhan akan sistem yang dapat membantu proses identifikasi dan diagnosis secara mandiri. Penelitian ini mengembangkan sistem pakar berbasis web untuk mendiagnosis hama dan penyakit pada jeruk manis menggunakan metode K-Nearest Neighbor (K-NN). Metode ini dipilih karena kemampuannya mengklasifikasikan data gejala berdasarkan kemiripan dengan kasus referensi dalam basis pengetahuan. Sistem dirancang sebagai alat bantu konsultasi sekaligus media pembelajaran bagi petani dan penyuluh pertanian. Berdasarkan studi sebelumnya, K-NN terbukti fleksibel dan memiliki akurasi tinggi, sehingga relevan untuk diterapkan pada sistem pakar pertanian. Hasil pengujian menunjukkan bahwa sistem mampu memberikan diagnosis dengan nilai kedekatan 0,78, yang termasuk kategori “Pasti”. Implementasi berbasis web memudahkan akses pengguna, sedangkan pengujian menggunakan Black Box Testing memastikan seluruh fungsi berjalan sesuai harapan. Dengan demikian, sistem ini efektif membantu petani mengenali gejala awal serta memberikan rekomendasi penanganan dan pencegahan hama dan penyakit jeruk manis secara tepat.]]>
<![CDATA[Klasifikasi Kematangan Buah Kelapa Sawit Dengan SimCLR Berbasis HSV Controlled Color Augmentasi ]]>
<![CDATA[Sulasmi Harahap]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Zaimah Panjaitan]]>
<![CDATA[ JURIKOM (Jurnal Riset Komputer) Vol. 13 No. 3 (2026): Juni 2026 ]]>
Publisher : <![CDATA[Universitas Budi Darma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30865/jurikom.v13i3.9794
<![CDATA[Self-supervised learning with the SimCLR method requires appropriate data augmentation as the foundation for contrastive representation learning. In the task of classifying oil palm fruit maturity, color is the main discriminative feature, so the standard RGB-based ColorJitter augmentation has the potential to distort critical color information. This study proposes an augmentation framework based on the HSV color space with eight parameter configurations (C1–C8) determined in a data-driven manner through Eta-squared (η²) analysis, designed to preserve the semantic integrity of maturity color while generating varied positive pairs. Experiments were conducted on 1,016 oil palm fruit images across three classes (Unripe, Ripe, Overripe) using ResNet-18 as the SimCLR encoder with a linear evaluation protocol. The results show that all HSV configurations outperform the Baseline (82.22%), with HSV_C1 being the best configuration, achieving a test accuracy of 94.44% and Macro F1-Score of 94.46% (+12.22 pp). The η² analysis confirms that the Hue component is the most discriminative feature between classes, so constraining it during augmentation proves essential for the quality of the resulting representations. The proposed framework consistently improves SimCLR performance in color-based classification domains with minimal labeled data requirements.]]>
<![CDATA[Pengembangan Fitur Sistem Monitoring Akademik (SIBAIK) Pada STMIK Triguna Dharma ]]>
<![CDATA[Muhammad Gilang Suryanata]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Deski Helsa Pane]]>;
<![CDATA[Astri Syahputri]]>;
<![CDATA[Fery Setiawan]]>
<![CDATA[ Jurnal Pengabdian Masyarakat IPTEK Vol. 6 No. 1 (2026): Edisi Januari 2026 ]]>
Publisher : <![CDATA[STMIK Triguna Dharma ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/abdi.v6i1.12472
<![CDATA[Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk mengembangkan fitur pada Sistem Informasi Monitoring Akademik (SIBAIK) di STMIK Triguna Dharma guna meningkatkan efektivitas pengelolaan akademik. Permasalahan yang dihadapi mitra meliputi belum terintegrasinya pengelolaan roster pelajaran serta belum tersedianya sistem konseling dosen yang terdokumentasi secara digital. Metode pelaksanaan meliputi analisis kebutuhan pengguna, perancangan sistem, implementasi fitur, serta uji coba dan pendampingan penggunaan sistem. Fitur yang dikembangkan terdiri atas fitur upload roster pelajaran dan fitur konseling dosen yang terintegrasi dalam SIBAIK. Hasil kegiatan menunjukkan bahwa sistem mampu mempermudah dosen dan pihak akademik dalam mengelola jadwal perkuliahan serta mendokumentasikan kegiatan konseling mahasiswa secara sistematis. Dengan adanya pengembangan fitur ini, monitoring akademik di STMIK Triguna Dharma menjadi lebih efektif, terstruktur, dan transparan.]]>
<![CDATA[Sistem Pakar Diagnosa Penyakit Gigi Dan Mulut Dengan Menggunakan Metode Teorema Bayes ]]>
<![CDATA[Mega Mutiara Br Bangun]]>;
<![CDATA[Yopi Hendro Syahputra]]>;
<![CDATA[Khairi Ibnutama]]>
<![CDATA[ Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 25 No 1 (2026): Februari 2026 ]]>
Publisher : <![CDATA[PRPM STMIK TRIGUNA DHARMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jis.v25i1.13374
<![CDATA[Gigi dan Mulut merupakan suatu kesatuan yang harus dijaga kebersihan dan kesehatannya, karena kesehatan Gigi dan Mulut merupakan suatu hal yang penting yang harus dijaga kebersihannya agar tidak mengalami gangguan. Minimnya pengetahuan kesehatan gigi serta terbatasnya jumlah dokter gigi menyebabkan rendahnya kesadaran masyarakat terhadap kesehatan gigi. Kondisi inilah yang membuat sebagian masyarakat mengesampingkan upaya mencegah dan mengobati penyakit gigi. Untuk mengatasi permasalahan tersebut, penelitian ini akan membahas sistem pakar untuk diagnosa penyakit gigi, sehingga masyarakat/ penderita mengetahui tentang penyakit gigi yang sedang dideritanya serta dapat mengatasi permasalahan secara dini Terdapat banyak faktor yang menyebabkan jarangnya seseorang melakukan pemeriksaan dan konsultasi ke dokter gigi, diantaranya adalah kurangnya rasa perhatian atau kesadaran akan kesehatan Gigi dan Mulut, mahalnya biaya yang harus dikeluarkan untuk konsultasi, panjangnya antrian yang menyebabkan pasien kurang betah dalam menunggu. Untuk memudahkan pasien dalam melakukan konsultasi dan memudahkan dokter dalam melakukan diagnosa awal penyakit maka dapat digunakan sebuah sistem yang mampu mengadopsi pengetahuan pakar atau ahli, yaitu sistem pakar. Sistem Pakar merupakan sistem yang mampu mengidentifikasi sebuah permasalahan menggunakan keahlian seorang pakar yang telah ditanamkan kedalam sistem dengan menggunakan algoritma tertentu. Hasil penelitian berupa sebuah aplikasi Sistem Pakar berbasis web yang dapat digunakan untuk mengetahui penyakit gigi dan mulut dengan menggunakan metode Teorema Bayes.]]>
<![CDATA[Perbandingan Metode Linier Discriminant Analysis Dan Principal Component Analysis Dalam Mendeteksi Wajah Pada Citra Digital ]]>
<![CDATA[Alfisyahri Reza]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Sri Murniyanti]]>
<![CDATA[ Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 25 No 2 (2026): Agustus 2026 ]]>
Publisher : <![CDATA[PRPM STMIK TRIGUNA DHARMA ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.53513/jis.v25i2.13425
<![CDATA[Pengenalan wajah merupakan salah satu teknologi biometrika yang paling banyak digunakan untuk identifikasi personal. Meskipun pengenalan wajah secara manual oleh manusia tergolong mudah, proses ini menjadi lebih kompleks ketika diimplementasikan menggunakan teknologi komputer. Berbagai metode telah dikembangkan untuk memecahkan masalah ini, salah satunya adalah metode pengenalan wajah berbasis citra digital. Namun, tantangan utama dalam pengenalan wajah adalah bagaimana mengekstraksi fitur-fitur penting dari citra wajah sehingga dapat memberikan hasil identifikasi yang akurat. Untuk mengatasi masalah tersebut, penelitian ini membandingkan dua metode pengenalan wajah yang populer, yaitu Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA). Kedua metode ini diterapkan dalam sistem pemrograman desktop untuk mengolah citra wajah dan mengidentifikasi identitas individu. PCA digunakan untuk mengurangi dimensi data dengan mempertahankan informasi yang paling penting, sementara LDA digunakan untuk memaksimalkan separasi antar kelas dalam data latih. Penelitian ini bertujuan untuk mengevaluasi efektivitas kedua metode tersebut dalam konteks pengenalan wajah. Hasil akhir dari penelitian ini adalah pengembangan aplikasi desktop yang mampu mendeteksi dan mengenali wajah menggunakan metode PCA dan LDA. Aplikasi ini telah diuji dengan berbagai skenario, dan hasilnya menunjukkan bahwa LDA memberikan tingkat akurasi yang lebih tinggi dibandingkan PCA pada kondisi tertentu, terutama ketika jumlah data latih yang tersedia terbatas. Aplikasi ini diharapkan dapat menjadi alat yang efektif untuk pengenalan wajah di berbagai bidang, seperti keamanan dan kontrol akses.]]>
<![CDATA[APLIKASICERDASMEMBANTUORANGTUAMENINGKATKANKECERDASANANAK DALAM PEMBELAJARAN ONLINE PANDEMI COVID -19 DENGANALGORITMAC4.5. ]]>
<![CDATA[Erika Fahmi Ginting]]>;
<![CDATA[Khairi Ibnutama]]>;
<![CDATA[Sri Kusnasari]]>
<![CDATA[ JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 5 No. 1 (2022): February 2022 ]]>
Publisher : <![CDATA[Smart Education ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.54314/jssr.v5i1.808
<![CDATA[Pada masa pandemi covid19 sekarang, para orang tua harus berperan langsung menjadi guru selama pembelajaran online daris ekolah untuk anak-anak mereka di rumah. Mengetahui potensi kecerdasan anak tentunya merupakan hal penting bagi orangtua. Dengan menganalisa kemampuan otak kanan dan kiri seorang anak dapat diarahkan dan berkembang sesuai dengankemampuanmasing-masing.kemampuan otak anak pada usia 6 sampai 12 tahun sangat baik untuk membuat orang tua dan guru menjadi lebih selektif dalam menentukan metode pembelajaran yang cocok untuk menerapkannya kepada anak.Sistem yang akandibangun pada penelitianinimemungkinkanuntukmengetahui potensikecerdasan otak yang dimiliki seorang anak dengan pengklasifikasian berdasarkan alternatifdari keadaan kecerdasan otakkanan atau otak kiri yang disediakan dalam basis data untuk mengetahui potensi anak. Proses pengklasifikasian potensikecerdasanyangdimilikianakdilakukanmenggunakanpolametodeAlgoritmaC4.5daribidangilmuDataMining. Hasil dari penelitian ini yaitu aplikasi yang dapat membantu para orang tua dalam memahami potensi yang dimiliki seorang anak Berdasarkan hasil penelitian dapat disimpulkan bahwa penerapan algoritma klasifikasi dengan menggunakan metode C4.5 dapat dilakukan untuk mengetahui kemampuan yang dimiliki anak unttuk mmebantu para orang tua selama proses daring dimasa pandemi. Adapun hasil pembuatan sistem yang dilakukan telah diuji dengan menggunakan Rapid Miner dan mendapatkan hasil accurasy sebesar 90 % dan clasification error dengan nilai 10%..]]>
