Article Per Year (5 Year)
p-Index From 2021 - 2026
3.37
P-Index
This Author published in this journals
All Journal Jurnal Infomedia Multica Science and Technology Journal Of Artificial Intelligence And Software Engineering eProceeding of TIK Jurnal Solusi Masyarakat Dikara Jurnal Teknologi Rekayasa Informasi dan Komputer
Muhammad Rizka, Muhammad
Fakultas Teknologi Informasi
Humanities Computer Science & IT Education Energy Engineering Library & Information Science Physics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Sistem Pendukung Keputusan Pemilihan Mitra Baru Pada Badan Pusat Statistik Kabupaten Aceh Utara Menggunakan Metode Multifactor Evaluation Process (MFEP) Ula, Firza Rahmatul; Mahdi, Mahdi; Rizka, Muhammad
eProceeding of TIK Vol 4, No 2 (2024): eProTIK: November, 2024
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Dokumen ini merupakan format panduan bagi penulis untuk menulis makalahyang siap dipublikasikan dalam eProceeding Teknologi Informasi dan Komputer. Para penulis harus mengikuti petunjuk yang diberikan dalam panduan ini. Anda dapat menggunakan dokumen ini baik sebagai petunjuk penulisan dan sebagai template di mana anda dapat mengetik teks anda sendiri. Panjang abstrak tidak boleh lebih dari 400 kata. Abstrak memberikan rankuman secara ringkas tentang isi paper, tujuan utama penelitian, metode yang digunakan, hasil yang diperoleh dan kesimpulan utama.
Sistem pendukung keputusan rekomendasi tempat wisata di Aceh berbasis web menggunakan metode profile matching Hasanah, Rifnatul; Mahdi, Mahdi; Rizka, Muhammad
eProceeding of TIK Vol 4, No 1 (2024): eProTIK: Mei, 2024
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Sektor periwisata saat ini berpotensial untuk dikembangkan sebagai salah satu sumber pendapatan daerah yang mendayagunakan sumber daya yang dapat memberikan sumbangan  bagi pembangunan ekonomi yang bersifat multidimensi.  Aceh adalah salah satu provinsi yang memilik jumlah objek wisata beragam, mulai dari wisata alam, sejarah, kuliner, buatan dan lain sebagainya. Banyaknya objek wisata yang dimiliki Aceh membuat para wisatawan lebih selektif dalam memilih objek wisata yang sesuai dengan keinginan dan kebutuhan wisatawan. Guna mengatasi permasalahan tersebut maka dibangun sistem pendukung keputusan pemilihan objek wisata di Aceh. Dalam membangun sistem tersebut terdapat 5 kriteria yang digunakan, yaitu biaya, jarak, kebersihan, jenis objek wisata, dan keramaian. Penelitian difokuskan pada penerapan metode profile matching, Penelitian ini menghasilkan sebuah aplikasi web yang memberikan informasi kepada user atau pengguna dalam hal ini merupakan calon wisatawan Dalam penelitian ini metode yang digunakan yaitu profile matching dan sistem ini dibangun berbasis web.
Pelatihan Edukasi Canva dan AI bagi Calon Guru Profesional dalam Menyusun Lembar Kerja Peserta Didik (LKPD) Secara Daring Mursalin, M; Ali, Muhammad; Mursyidah, Mursyidah; Rizka, Muhammad; Armita, Desi
Jurnal Solusi Masyarakat Dikara Vol 4, No 2 (2024): Agustus 2024
Publisher : Yayasan Lembaga Riset dan Inovasi Dikara

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

Abstract

Pendidikan abad ke-21 menuntut guru untuk memiliki keterampilan dalam memanfaatkan teknologi guna menciptakan pengalaman belajar yang menarik dan interaktif.  Salah satu aspek penting dalam pembelajaran adalah penyusunan Lembar Kerja Peserta Didik (LKPD), yang berfungsi sebagai media untuk meningkatkan keterampilan berpikir kritis, kreativitas, serta kemandirian belajar peserta didik. Namun, calon guru sering menghadapi tantangan dalam menyusun LKPD yang efektif, seperti keterbatasan keterampilan desain dan pemahaman teknologi. Oleh karena itu, pelatihan "Edukasi Canva dan AI bagi Calon Guru Profesional dalam Menyusun Lembar Kerja Peserta Didik (LKPD) Secara Daring" dilaksanakan untuk membekali calon guru dengan keterampilan dalam menggunakan Canva sebagai alat desain grafis dan AI sebagai teknologi pendukung pembelajaran. Pelatihan ini dilaksanakan dalam tiga sesi utama: pengenalan Canva, pemanfaatan AI dalam penyusunan konten, dan praktik langsung dalam merancang LKPD. Hasil evaluasi menunjukkan bahwa 90% peserta berhasil menguasai dasar-dasar penggunaan Canva dan dapat mengintegrasikan AI dalam penyusunan LKPD secara efektif. Meskipun terdapat beberapa kendala seperti keterbatasan pemahaman awal dan koneksi internet yang tidak stabil, metode pendampingan intensif serta penyediaan materi hybrid membantu peserta mengatasi tantangan tersebut. Secara keseluruhan, pelatihan ini memberikan dampak positif dalam meningkatkan kompetensi calon guru, sehingga mereka lebih siap menghadapi tuntutan pendidikan digital di masa depan.
Implementasi dan Pengembangan Sistem Informasi Terintegrasi untuk Manajemen Informasi Program Studi Berbasis Web Responsif Zulman, Muhammad Reza; Rizka, Muhammad; Putra Ginting, Rachel Ardana; Mahdi, Mahdi; Mursyidah, Mursyidah
Jurnal Infomedia: Teknik Informatika, Multimedia, dan Jaringan Vol 10, No 1 (2025): Jurnal Infomedia
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jim.v10i1.7023

Abstract

AbstrakPemanfaatan teknologi informasi di lingkungan perguruan tinggi mendorong efisiensi layanan akademik melalui pengelolaan data secara terpadu. Implementasi dan pengembangan sistem informasi terintegrasi berbasis web yang diteliti melayani berbagai informasi program studi, termasuk data dosen, kurikulum, fasilitas, dan berita akademik. Sistem dikembangkan menggunakan beberapa modul teknologi dan framework terbaru yaitu Laravel, React dengan Inertia.js, serta MySQL sebagai database. Desain yang responsive dan adaptif untuk mendapatkan kemudahan akses melalui berbagai perangkat. Fitur utama mencakup autentikasi pengguna, manajemen profil dosen, serta pengelolaan data di lingkungan program studi. Hasil implementasi menunjukkan sistem ini meningkatkan kemudahan pengelolaan data akademik dan mendukung transparansi informasi di lingkungan program studi. Sistem ini memiliki potensi dikembangkan lebih lanjut untuk integrasi layanan kampus lainnya.AbstractThe utilization of information technology in higher education promotes the efficiency of academic services through integrated data management. The implementation and development of a web-based integrated information system in this study serves various academic program data, including faculty profiles, curriculum, facilities, and academic news. The system was developed using Laravel, React with Inertia.js, and MySQL. A responsive and adaptive design ensures optimal access across devices. Implementation results show that 100% of the 8 main features passed blackbox testing. Additionally, the average system response time ranged between 650–750 milliseconds for key requests. The system also rendered properly on desktop, tablet, and mobile devices. These findings indicate that the system improves the efficiency of academic data management and supports transparency within academic programs.Keywords: Information System, Laravel, React, Inertia.js, MySQL
Sistem Pendukung Keputusan Reward dan Punishment Terhadap Dosen Politeknik Negeri Lhokseumawe Dengan Metode VIKOR Simbolon, Syadzwina Salsabila; Rizka, Muhammad; Mahdi, Mahdi
eProceeding of TIK Vol 5, No 1 (2025): eProTIK: Mei, 2025
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Politeknik Negeri Lhokseumawe merupakan salah satu perguruan tinggi vokasi yang telah menjalankan sistem reward (penghargaan) dan punishment (sanksi), namun dalam rencana strategis dijelaskan bahwa sistem tersebut belum bisa terlaksanakan dengan baik. Demi mendukung pelaksanaan sistem tersebut dan menghindari penilaian secara subjektif, dibutuhkan sistem pendukung keputusan yang dapat memperkuat keputusan pemberian reward dan punishment. Sistem tersebut dibangun dengan metode VIKOR yang dapat mengatasi kriteria bertentangan. Proses perhitungan dalam sistem menggunakan data dosen sebagai alternatif dan 6 kriteria penilaian, yaitu pendidikan (K1), penelitian (K2), pengabdian kepada masyarakat (K3), kegiatan penunjang (K4), absensi kehadiran (K5), dan penilaian oleh mahasiswa (K6). Hasil penelitian menunjukkan bahwa alternatif dengan nilai akhir 0,115384615 berada di peringkat teratas dan alternatif dengan nilai akhir 1 menjadi peringkat terakhir. Peringkat tersebut dibuktikan dan dapat diterima melalui pengujian dua solusi kompromi, yaitu acceptable advantage dan acceptable stability. Hasil pengujian acceptable advantage yang memenuhi syarat menunjukkan bahwa selisih indeks Q peringkat pertama dengan peringkat kedua yang bernilai 0,384615385 lebih besar daripada nilai DQ yang bernilai 0,0666666667. Hasil pengujian acceptable stability yang tidak memenuhi syarat menunjukkan bahwa selisih setiap nilai indeks Q dengan indeks Q peringkat pertama tidak lebih kecil daripada nilai DQ. Berdasarkan hasil pengujian tersebut, perankingan alternatif dari nilai terendah yang bernilai 0,115384615 hingga nilai tertinggi yang bernilai 1 dapat diterima sehingga alternatif D4 yang berada di urutan pertama berpeluang besar menjadi kandidat penerima reward dan alternatif D14 yang berada di urutan terakhir berpeluang diberi sanksi.
Mask Detection and Facial Recognition System Using a Convolutional Neural Network Algorithm Fariz Maulana, Muhammad; Hendrawaty, Hendrawaty; Rizka, Muhammad
Jurnal Teknologi Rekayasa Informasi dan Komputer Vol 8, No 1 (2025): JURNAL TRIK - POLITEKNIK NEGERI LHOKSEUMAWE
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jtrik.v8i1.7422

Abstract

During the current COVID-19 pandemic, wearing a mask is mandatory for everyone when engaging in various activities to prevent the spread of the COVID-19 virus. So far, the detection of mask use has been done manually through observation by officers. This method has several limitations, namely that it cannot be performed every time and in every place. Based on these problems, the researchers designed a Mask Detection System and Face Recognition Using Convolutional Neural Network. This system is designed for the Department of Information and Computer Technology at the Lhokseumawe State Polytechnic. The system input is in the form of a real-time video camera that can detect students both wearing and not wearing masks. Every student who does not wear a mask will be recognized by their face. The system will send a notification to the officer if any students are not wearing masks. The system utilizes a mask dataset sourced from the Kaggle website, and for facial recognition, it employs facial data from 4C IT class students. The results obtained in the making of the CNN model that were tested resulted in 99% accuracy, and real-time testing resulted in an overall accuracy rate of 75%, mask detection accuracy of 83%, face detection accuracy of 71%.
Sistem Pendukung Keputusan Penerima Bantuan Program Keluarga Harapan (PKH) Menggunakan Metode PROMETHE Syahrullah, Syahrullah; Rizka, Muhammad; Mahdi, Mahdi
Jurnal Teknologi Rekayasa Informasi dan Komputer Vol 8, No 1 (2025): JURNAL TRIK - POLITEKNIK NEGERI LHOKSEUMAWE
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jtrik.v8i1.7277

Abstract

Program Keluarga Harapan adalah program pemberian bantuan sosial bersyarat yang di peruntukkan untuk keluarga miskin yang ditetapkan sebagai Keluarga Penerima Manfaat (KPM) Program Keluarga Harapan (PKH). Dengan begitu banyaknya jumlah penduduk yang ada di desa Geudong Geudong dengan berbagai macam status sosial ekonomi akan sulit untuk menentukan keluarga yang layak menjadi calon untuk mendapatkan bantuan Program Keluarga Harapan. Untuk itu dibutuhkan sebuah Sistem Pendukung keputusan menggunakan Metode PROMETHEE untuk dapat membantu dalam pemilihan calon penerima bantuan. Metode PROMETHEE adalah suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. Pengambil keputusan harus menentukan kriteria, subkriteria dan parameter. Kemudian dilakukan penilaian pada setiap alternatif, selanjutnnya sistem akan otomatis melakukan perhitungan untuk mendapatkan ranking dari setiap alternatif. Hasil pengujian sistem ini mampu membantu dalam proses pemilihan keluarga yang layak mendapat bantuan Program Keluarga Harapan di desa Geudong Geudong berdasarkan kriteria yang ada.
Rancang Bangun Aplikasi Machine Learning Pemilihan Varietas Bibit Jagung Unggul Menggunakan Algoritma Artificial Neural Network (ANN) Berbasis Web Fitria, Ainul; Salahuddin, Salahuddin; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5401

Abstract

Jagung atau dalam bahasa latin Zea Mays merupakan adalah salah satu dari jenis tanaman pangan dari keluarga rumput-rumputan yang dikelompokkan dalam tanaman biji-bijian. Jagung memiliki banyak varietas. Adapun varietas yang telah dilepas oleh Menteri Pertanian hingga Oktober tahun 2022 sebanyak 361 varietas, yaitu jagung hibrida sebanyak 298 varietas, jagung komposit sebanyak 59 varietas, dan ada sebanyak 4 varietas jagung hibrida produk rekayasa genetik (PRG). Petani jagung biasanya memilih dan menentukan bibit jagung yang akan dibudidayakan berdasarkan rekomendasi pedagang bibit jagung atau dari rekan sesama petani jagung. Namun demikian sering dijumpai hasil panen jagung tidak sesuai dengan ekspektasi dan target yang diharapkan. Bahkan, tidak jarang petani jagung mengalami gagal panen yang disebabkan oleh beberapa faktor, salah satunya dikarenakan bibit jagung yang dipilih bukan merupakan varietas bibit jagung unggul. Sistem ini dirancang untuk membantu para petani jagung khususnya di daerah Aceh dalam memilih dan menentukan bibit jagung unggul untuk dibudidayakan dengan tujuan mendapatkan hasil panen yang memuaskan. Sistem ini menggunakan algoritma Artificial Neural Network untuk melakukan pemilihan. Artificial Neural Network (ANN) adalah algoritma Machine Learning dengan model komputasi yang terinspirasi dari prinsip kerja otak manusia. Artificial Neural Network digunakan dalam aplikasi ini karena dapat melakukan prediksi dengan akurat. Hasil yang diharapkan dengan adanya sistem ini petani dapat memilih varietas bibit jagung unggul untuk dibudidayakan, sehingga dapat memenuhi kebutuhan stok dalam negeri dengan memanfaatkan komputer dalam tahapan pemilihan bibit unggul. Penerapan algortima ANN Multi Layer Perceptron pada aplikasi ini menggunakan 21 data varietas jagung dengan 504 dataset yang dimasukkan mendapatkan hasil nilai tertinggi dengan persentase akurasi 90,47%. Dengan hasil tersebut, algortima Artificial Neural Network Multi Layer Perceptron dapat digunakan untuk Aplikasi Machine Learning dalam menentukan pemilihan varietas bibit jagung unggul Abstract Corn or in Latin Zea Mays is one of the types of food crops from the grass family which is grouped into grain crops. Corn has many varieties. The varieties that have been released by the Minister of Agriculture until October 2022 are 361 varieties, namely 298 varieties of hybrid corn, 59 varieties of composite corn, and there are as many as 4 varieties of genetically modified (PRG) hybrid corn. Maize farmers usually choose their maize seeds based on recommendations from maize seed traders or fellow maize farmers. However, maize yields are often not in line with expectations and targets. In fact, it is not uncommon for corn farmers to experience crop failure caused by several factors, one of which is because the corn seeds chosen are not superior corn seed varieties. This system is designed to help corn farmers, especially in the Aceh area, in choosing and determining superior corn seeds for cultivation with the aim of getting satisfactory yields. This system uses Artificial Neural Network algorithm to make the selection. Artificial Neural Network (ANN) is a Machine Learning algorithm with a computational model inspired by the working principles of the human brain. Artificial Neural Network is used in this application because it can make accurate predictions. The expected results with this system are that farmers can choose superior varieties of corn seeds to be cultivated, so that they can meet the needs of domestic stocks by utilizing computers in the stages of selecting superior seeds. The application of ANN Multi Layer Perceptron algortima in this application using 21 corn variety data with 504 datasets entered gets the highest value results with an accuracy percentage of 90.47%. With these results, the Artificial Neural Network Multi Layer Perceptron algortima can be used for Machine Learning applications in determining the selection of superior corn seed varieties.
Penerapan Metode Hybrid Case Based Dalam Diagnosa Gangguan Kehamilan Afif, Muhammad Ilham; Huzaeni, Huzaeni; Rizka, Muhammad
Journal of Artificial Intelligence and Software Engineering Vol 4, No 1 (2024)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v4i1.5397

Abstract

Kehamilan adalah suatu proses di mana seorang wanita mengandung janin dalam rahimnya. Kurangnya pengetahuan tentang gejala-gejala yang terjadi selama kehamilan menjadi masalah yang perlu diatasi. Hasil Riset Kesehatan Dasar menunjukkan bahwa hanya sekitar 44% ibu hamil yang mengetahui tanda bahaya selama kehamilan, yang menyebabkan beberapa gejala penyakit kehamilan diabaikan dan menyebabkan risiko kematian ibu. Untuk mengatasi masalah ini, maka di bangun sebuah sistem pakar dengan menggunakan metode Hybrid Case Based yang mampu memberikan informasi dan diagnosa cepat serta tepat untuk masalah kesehatan gangguan kehamilan pada ibu hamil. Pada sistem ini terdapat 5 penyakit yang akan di diagnosa yaitu anemia, hyperemesis gravidarum, diabetes melitus gestasional, infeksi saluran kemih, dan perdarahan, serta terdapat 25 gejala. Sistem ini menerapkan rumus cosine similarity dalam mengukur similarity antara gejala penyakit yang dialami pasien dengan gejala penyakit yang ada dalam basis kasus. Berdasarkan pengujian tingkat kemiripan, antara gejala – gejala yang dialami pasien dengan basis kasus yang ada, sistem mampu mediagnosa jenis penyakit anemia dengan nilai 95%. Tingkat akurasi sistem pakar dengan total data uji sebanyak 20 didapatkan nilai akurasi sebesar 100%.Kata kunci: Gangguan Kehamilan, Diagnosa, Sistem Pakar, Hybrid Case BasedAbstractPregnancy is a process in which a woman carries a fetus in her womb. Lack of knowledge about the symptoms that occur during pregnancy is a problem that needs to be addressed. Basic Health Research results show that only about 44% of pregnant women know the danger signs during pregnancy, which causes some symptoms of pregnancy diseases to be ignored and causes the risk of maternal death. To overcome this problem, an expert system is built using the Hybrid Case Based method that is able to provide information and diagnose quickly and precisely for health problems of pregnancy disorders in pregnant women. In this system there are 5 diseases that will be diagnosed, namely anemia, hyperemesis gravidarum, gestational diabetes mellitus, urinary tract infection, and bleeding, and there are 25 symptoms. This system applies the cosine similarity formula in measuring the similarity between the symptoms of the disease experienced by the patient and the symptoms of the disease in the case base. Based on testing the level of similarity, between the symptoms experienced by the patient and the existing case base, the system is able to diagnose the type of anemia disease with a value of 95%. The accuracy of the expert system with a total of 20 test data obtained an accuracy value of 100%.Keywords: Pregnancy Disorders, Diagnosis, Expert System, Hybrid Case Based
APPLICATION OF INTELLIGENT SYSTEM WITH BACKPROPAGATION MODEL IN CLOUD IMAGE CLASSIFICATION Mulyadi Mulyadi; Ichwan, Muhammad; Rizka, Muhammad; Ula, Mutammimul
Multica Science and Technology (ACCREDITED-SINTA 5) Vol. 2 No. 1 (2022): Multica Science and Technology
Publisher : Universitas Mulia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47002/mst.v2i1.323

Abstract

The clouds have different patterns on each type and each type has different properties. The introduction of the type, shape, and nature of the cloud is indispensable in the weather forecasts so that the clouds can be classified. There are several methods used in the image classification process that is the method of the artificial neural network Backpropagation. The method of Backpropagation is one of the methods used for the classification process, in this research Backpropagation used on the training and testing process for the introduction of cloud imagery aimed at determining the type of cloud, before the second These stages are carried out imagery through the preprocessing process. From the training conducted using the Backpropagation method shows that this method generates the best weight value and saves that value into the database to do the testing process using a neural network Backpropagation. In addition, Backpropagation also has the ability to reduce errors by continuously correcting the weight until reaching the maximum target. Data used for training data as many as 92 cloud type image with each type of 10 imagery. In this study obtained a system success rate of 60.6%.
Co-Authors Afif, Muhammad Ilham Agustin, Riya Sri Ahkam, Mizanul Amelia, Sarah Arhami, Muhammad Armita, Desi Azhar Azhar Fariz Maulana, Muhammad Fitri, Intan Fitria, Ainul Hasanah, Rifnatul Hendrawaty Hendrawaty, Hendrawaty Huzaeni, Huzaeni Ihyaulumiddin, Azis Kausar, Muhammad Khairil Simbolon, Zulfan Mahdi Mahdi, Mahdi MUHAMMAD ALI Muhammad Davi Muhammad Ichwan Muhammad Reza Zulman Mulyadi Mulyadi Mulyadi Mulyadi Mursalin, M Mursyidah Mursyidah Mutammimul Ula Putra Ginting, Rachel Ardana Rahmadhani, Syiva Safwan, Safwan Salahuddin Salahuddin Salnadila, Salnadila Salwa, Safira Simbolon, Syadzwina Salsabila Sumiati Sumiati Syahrullah Syahrullah Ula, Firza Rahmatul Zahara, Fitria