Article Per Year (5 Year)
p-Index From 2021 - 2026
3.668
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jurnal Tecnoscienza INFOKUM Journal Zetroem Instal : Jurnal Komputer Jurnal Pengabdian Masyarakat IPTEK International Journal of Social Science, Educational, Economics, Agriculture Research, and Technology (IJSET) Jurnal Minfo Polgan (JMP) Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Jurnal Sistim Informasi dan Teknologi Jurnal Pemberdayaan Sosial dan Teknologi Masyarakat Jurnal Pengabdian Masyarakat dan Riset Pendidikan Prosiding Seminar Nasional Ilmu Komputer, Sosial Sains, Teknik Dan Multi-disiplin Ilmu Journal of Data Science and Informatics Engineering
Muhammad Irfan Sarif
Universitas Pembangunan Panca Budi
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Social Sciences Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Analisis Komparatif Kinerja Laravel Octane dan Webman pada Layanan API Berbasis Worker Model PHP Ade Iskandar; Muhammad Irfan Sarif; Muhammad Fuad Hafiz; Dedy Rahman Harahap; Samuel Sampe Tuah Purba
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.717

Abstract

Performa server API merupakan faktor krusial dalam pengembangan aplikasi web modern yang menuntut latensi rendah dan throughput tinggi. Penelitian ini bertujuan membandingkan kinerja Laravel Octane berbasis FrankenPHP dan Webman berbasis Workerman sebagai framework PHP worker model pada operasi READ dan CREATE data. Metode penelitian menggunakan pendekatan kuantitatif eksperimental melalui benchmarking dengan ApacheBench pada dua skenario API, yaitu pengambilan dan penyimpanan 1000 baris data MySQL, dengan konfigurasi tingkat konkurensi terstandar pada lingkungan server identik. Parameter kinerja yang dievaluasi meliputi requests per second, median latency, dan P95 latency. Hasil penelitian menunjukkan bahwa Webman secara konsisten unggul pada kedua skenario pengujian. Pada operasi READ, Webman mencapai throughput hampir dua kali lipat dibanding Laravel Octane dengan latensi median lebih rendah hingga 65%. Sementara itu, pada operasi CREATE, Webman mencatat throughput 1,7 kali lebih tinggi dan waktu respons sekitar 50% lebih cepat. Keunggulan ini berkaitan erat dengan arsitektur event-driven non-blocking Workerman yang meminimalkan overhead eksekusi. Laravel Octane tetap menampilkan stabilitas kinerja yang baik, namun kompleksitas internal framework menyebabkan latensi yang relatif lebih tinggi. Penelitian ini menyimpulkan bahwa Webman lebih sesuai untuk pengembangan API bertrafik tinggi dan sistem mikroservis, sedangkan Laravel Octane unggul untuk aplikasi kompleks berbasis ekosistem Laravel. Temuan ini memberikan kontribusi empiris bagi pemilihan framework PHP berdasarkan kebutuhan performa aktual.
Analisis Sentimen Masyarakat terhadap Isu Korupsi Dana Bencana di Indonesia Menggunakan Metode Bidirectional Long Short-Term Memory (Bi-LSTM) Toni Prabowo; Muhammad Irfan Sarif; Aradi Sebayang; Tengku Didi Ferdillah; Muhammad Azuan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 4 No. 3 (2026): Februari 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v4i3.756

Abstract

Corruption of disaster relief funds and social assistance is a critical issue that undermines social justice and public trust in government integrity in Indonesia. This phenomenon has triggered a massive wave of opinions on social media, necessitating deep computational analysis to objectively understand public perception dynamics. This study aims to implement and evaluate the performance of a Deep Learning algorithm, specifically Bidirectional Long Short-Term Memory (Bi-LSTM), in classifying public sentiment related to the issue of disaster fund corruption. The dataset comprises 1,358 textual data points categorized into negative, neutral, and positive sentiments, with a significant dominance of the negative class (926 entries). The proposed model architecture integrates a 300-dimensional embedding layer, a Bi-LSTM layer to capture bidirectional context, and a combination of Global Max Pooling and Global Average Pooling for optimal feature extraction. The experimental results demonstrate that the model achieved an accuracy of 0.75, with a Weighted F1-score of 0.76 and a Macro F1-score of 0.65. Confusion Matrix analysis reveals that the model is highly effective in identifying negative sentiments but faces challenges in distinguishing minority classes due to data imbalance and linguistic ambiguities such as sarcasm. These findings provide deep insights for policymakers regarding public sentiment and demonstrate both the potential and limitations of the Bi-LSTM method in processing informal and sarcastic Indonesian text within the context of political and corruption discourse. Keywords: Sentiment Analysis, Bi-LSTM, Disaster Fund Corruption, Deep Learning, Natural Language Processing
Analisis Clustering Untuk Menentukan Siswa Berprestasi di SMK Swasta TI Panca Dharma Stungkit Menggunakan Metode K-Means Dicky Apriandi; Rahayu Mayang Sari; Muhammad Irfan Sarif
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13959

Abstract

Pendidikan memiliki peran yang amat penting dalam masyarakat karena pendidikan merupakan upaya untuk memperbaiki taraf hidup manusia. Peningkatan mutu pendidikan merupakan prioritas kebijakan umum pembangunan di Indonesia yang harus terus diperhatikan. Faktor yang memiliki pengaruh besar dalam pencapaian tersebut adalah guru yang memberikan pengajaran efektif dan berkualitas. SMK TI Panca Dharma Stungkit yang beralamat di Jln. Kata Jadi Stungkit, Kecamatan Wampu, Kabupaten Langkat, Sumut. Penilaian prestasi siswa yaitu mata pelajaran baik teori dan praktek, penilaian ekstrakurikuler kehadiran dan ketidakhadiran siswa dan pada saat mengikuti ekstrakulikuler, yang dikategorikan dalam nilai pengetahuan, nilai keterampilan dan penilaan sikap. metode untuk mengolahnya menjadi sebuah informasi dan pengetahuan yang dapat digunakan sebagai bahan pertimbangan pendidik dalam proses pengambilan kebijakan dan keputusan yaitu dengan metode K-Means.
Penerapan Sistem Informasi Pemesanan Menu Makanan di Coffee Shop Aminuddin Indra Permana; Muhammad Irfan Sarif
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15479

Abstract

Penelitian ini bertujuan merancang dan menerapkan sistem informasi pemesanan menu makanan pada coffee shop guna meningkatkan efisiensi proses layanan, akurasi pesanan, dan kepuasan pelanggan. Metode yang digunakan adalah penelitian terapan dengan pengembangan perangkat lunak model Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, pengujian, serta evaluasi. Data dikumpulkan melalui observasi, wawancara, serta kuesioner System Usability Scale (SUS) dan SERVQUAL. Sistem berbasis web/tablet yang dihasilkan mengintegrasikan modul e-menu, manajemen pesanan, kitchen display system (KDS), pembayaran (termasuk QRIS), serta pelaporan penjualan. Hasil uji pada 50 transaksi puncak menunjukkan penurunan rata-rata waktu pemesanan dari 4’35’’ menjadi 2’15’’ (51,1% lebih cepat) dan penurunan kesalahan pencatatan dari 12% menjadi 2%. Evaluasi kebergunaan menghasilkan skor SUS 78,5 (kategori Good), sementara rata-rata skor SERVQUAL meningkat dari 3,28 menjadi 4,50 (+1,22). Temuan ini mengindikasikan bahwa penerapan sistem informasi pemesanan berkontribusi nyata pada efisiensi operasional, kualitas layanan, dan dasar pengambilan keputusan manajerial melalui pencatatan transaksi yang terstruktur.
Sosialisasi dan Penerapan Sistem Informasi untuk Peningkatan Pariwisata Pantai Sialang Buah di Kabupaten Serdang Bedagai Sukrianto Sukrianto; Muhammad Irfan Sarif; Abdul Chaidir Harahap; Ahmad Helmy
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15740

Abstract

Pengembangan pariwisata berbasis teknologi informasi menjadi salah satu strategi penting dalam meningkatkan daya saing destinasi wisata daerah. Pantai Sialang Buah di Kabupaten Serdang Bedagai memiliki potensi wisata alam yang besar, namun belum didukung oleh sistem informasi yang terintegrasi untuk promosi, pengelolaan data, dan pelayanan informasi kepada wisatawan. Kegiatan ini bertujuan untuk melakukan sosialisasi dan penerapan sistem informasi pariwisata sebagai upaya peningkatan visibilitas, efisiensi pengelolaan, serta daya tarik Pantai Sialang Buah. Metode pelaksanaan meliputi analisis kebutuhan mitra, perancangan sistem informasi berbasis web, sosialisasi penggunaan sistem kepada pengelola dan pelaku UMKM setempat, serta pendampingan dalam proses implementasi. Sistem informasi yang diterapkan mencakup fitur profil destinasi, informasi fasilitas, agenda wisata, galeri, dan kontak layanan. Hasil kegiatan menunjukkan adanya peningkatan pemahaman pengelola terhadap pemanfaatan teknologi informasi serta kemudahan dalam penyampaian informasi kepada masyarakat dan wisatawan. Selain itu, sistem informasi yang diterapkan mampu menjadi media promosi digital yang efektif dan berkelanjutan. Kegiatan ini diharapkan dapat mendukung pengembangan pariwisata lokal, meningkatkan kunjungan wisatawan, serta mendorong pertumbuhan ekonomi masyarakat sekitar Pantai Sialang Buah.
Analisis Pemanfaatan Sistem Informasi Berbasis Blog untuk Meningkatkan Strategi Pemasaran pada UMKM Kebab Rame di Kota Batam Eisyaniah Desvazulinda; Muhammad Irfan Sarif; Syaiful Rahman Lubis
Jurnal Minfo Polgan Vol. 14 No. 2 (2025): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v14i2.15776

Abstract

Perkembangan teknologi informasi telah mendorong pelaku Usaha Mikro, Kecil, dan Menengah (UMKM) untuk mengadopsi sistem informasi digital sebagai bagian dari aktivitas pemasaran. Salah satu media digital yang memiliki fungsi ganda sebagai penyedia informasi sekaligus sarana pemasaran adalah blog. Melalui blog, UMKM dapat menyampaikan informasi produk, memperkuat citra merek, serta membangun hubungan jangka panjang dengan pelanggan. Namun, pemanfaatan blog sebagai sistem informasi oleh UMKM masih tergolong rendah. Penelitian ini membahas penggunaan sistem informasi berbasis blog dalam meningkatkan strategi pemasaran UMKM Kebab Mbarek di Kota Batam. Metode penelitian yang digunakan adalah deskriptif kualitatif dengan teknik pengumpulan data melalui observasi, wawancara, dan dokumentasi. Hasil penelitian menunjukkan bahwa penggunaan blog mampu meningkatkan visibilitas usaha, memperluas jangkauan pasar, serta memudahkan konsumen dalam memperoleh informasi produk. Selain itu, blog juga mendorong interaksi dan komunikasi dengan pelanggan melalui konten yang disajikan. Namun, masih terdapat kendala seperti kurangnya keahlian dalam pengelolaan konten dan ketidakkonsistenan dalam pembaruan blog. Oleh karena itu, diperlukan pengelolaan blog yang berkelanjutan dan strategi konten yang baik agar peran sistem informasi berbasis blog dapat dimaksimalkan dalam mendukung pemasaran UMKM. Selain itu, penelitian ini juga mengkaji pengaruh kualitas sistem informasi terhadap kinerja UMKM Renjana Kopi di Kota Batam. Penelitian menggunakan pendekatan kuantitatif dengan metode survei melalui kuesioner kepada pemilik dan karyawan yang menggunakan sistem informasi, seperti aplikasi Point of Sale (POS) dan pencatatan penjualan digital. Data dianalisis menggunakan regresi linier berganda dengan bantuan SPSS. Hasil penelitian menunjukkan bahwa kualitas sistem informasi berpengaruh positif terhadap kinerja UMKM. Penelitian ini memberikan kontribusi empiris bagi pengembangan sistem informasi UMKM serta menjadi acuan bagi pelaku usaha dan pembuat kebijakan dalam meningkatkan keberlanjutan bisnis berbasis digital.
Classification of Success Factors for Job Training Participants at LPK Ziona Gunungsitoli Using Support Vector Machine and Decision Tree C4.5 Rido Favorit Saronitehe Waruwu; Muhammad Irfan Sarif; Rian Farta Wijaya
Bahasa Indonesia Vol 18 No 4 (2026): Instal : Jurnal Komputer
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalinstall.v18i4.512

Abstract

ABSTRACTThis study aims to classify the success factors of job training participants at LPK Ziona Gunungsitoli by comparing Support Vector Machine (SVM) and Decision Tree C4.5. The dataset used in this study was obtained from participant records for 2022-2025 and contains tracer study outcomes, gender, education level, training type, program type, and year of graduation. Personal identifiers such as names, national identity numbers, addresses, and telephone numbers were excluded during preprocessing. The tracer study variable was transformed into a binary target: participants who were working or continuing study were categorized as successful, while participants who were still looking for work were categorized as not yet successful. From 376 raw records, 372 valid records were processed. The data were encoded using one-hot encoding and evaluated using an 80:20 stratified train-test split. The results show that Decision Tree C4.5 achieved an accuracy of 81.33%, precision of 94.83%, recall of 83.33%, and F1-score of 88.71%. Meanwhile, SVM achieved an accuracy of 77.33%, precision of 94.55%, recall of 78.79%, and F1-score of 85.95%. The most influential attributes in the Decision Tree model were year, training type, gender, education, and program type. These results indicate that Decision Tree C4.5 is more suitable for this dataset because it provides both higher performance and interpretable rules for institutional decision support.
MEDAN SMART TOURISM INFORMATION SYSTEM BASED ON IOT AND ACO FOR ROUTE RECOMMENDATIONS AND VISITOR MANAGEMENT Septia Harliansyah; Muhammad Irfan Sarif; Zulham Sitorus; Eko Wahyudi; Khairul
International Journal of Social Science, Educational, Economics, Agriculture Research and Technology (IJSET) Vol. 4 No. 12 (2025): NOVEMBER
Publisher : RADJA PUBLIKA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.21415597

Abstract

The abstract serves as a concise summary of your research paper, highlighting the essential components that provide readers with an overview of your work. It should effectively capture the key issues addressed, the primary objectives of the study, the methods utilized, and the significant results achieved. This summary must be written in a single cohesive paragraph, limited to a maximum of 200 words. Ensure to follow the formatting specifications: use Times New Roman font, size 11, with single spacing, and present it in italics. The goal is to engage the reader while successfully conveying the importance and impact of your findings.
Analisis Prediksi Kesesuaian Lulusan Dengan Dunia Kerja Menggunakan Model Ensemble Random Forest dan XGBoost Berdasarkan Data Tracer Study Universitas Royal Rudi Hermawan; Muhammad Iqbal; Muhammad Irfan Sarif
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1398

Abstract

Transformasi digital mendorong institusi pendidikan tinggi untuk mengoptimalkan pengolahan data alumni guna meningkatkan mutu layanan dan efisiensi manajemen pendidikan. Universitas Royal memiliki data tracer study yang melimpah, namun pengelolaannya selama ini masih didominasi oleh pendekatan deskriptif konvensional sehingga potensi prediktifnya belum termanfaatkan secara maksimal. Penelitian ini bertujuan untuk memprediksi tingkat kesesuaian lulusan dengan dunia kerja menggunakan pendekatan ensemble learning yang menggabungkan algoritma Random Forest dan XGBoost melalui mekanisme soft voting classifier. Dataset awal diolah melalui tahap pembersihan data yang meliputi eliminasi label kosong, penghapusan data duplikat (deduplikasi), dan imputasi statistik, sehingga menghasilkan sebaran kelas target yang terdiri atas 759 data "Sesuai" (83,5%) dan 150 data "Tidak Sesuai" (16,5%). Proses prapemrosesan melibatkan imputasi median untuk data numerik, imputasi modus untuk data kategorikal, transformasi fitur dengan one-hot encoding pada variabel jurusan dan instansi, serta normalisasi menggunakan Min-Max Scaler. Dataset dengan total 909 data valid ini dibagi secara proporsional menjadi 727 data latih (80%) dan 182 data uji (20%). Hasil eksperimen menunjukkan bahwa model ensemble voting mencatatkan performa tertinggi dibandingkan model tunggal, dengan nilai akurasi sebesar 80,77%, presisi 85,45%, recall 92,76%, dan F1-score 88,96%. Sebagai pembanding, algoritma Random Forest tunggal memperoleh akurasi 78,57% dan XGBoost memperoleh 79,67%. Melalui analisis feature importance, ditemukan bahwa masa tunggu kerja merupakan faktor paling dominan dengan kontribusi sebesar 33,3%, diikuti oleh kompetensi (26,7%), Indeks Prestasi Kumulatif (24,6%), instansi tempat kerja (12,8%), dan program studi (2,6%). Pendekatan ensemble ini terbukti efektif dalam memberikan stabilitas generalisasi yang superior untuk memproyeksikan linearitas karier alumni serta mendukung pengambilan keputusan strategis institusi.
Analisis Machine Learning untuk Prediksi Permintaan Produk pada Percetakan PT. Next Sihar Dagulon Menggunakan Algoritma Random Forest Lamsihar Banjarnahor; Muhammad Irfan Sarif; Muhammad Putra Novelan
Jurnal Komputer Teknologi Informasi Sistem Komputer (JUKTISI) Vol. 5 No. 2 (2026): September 2026
Publisher : LKP KARYA PRIMA KURSUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62712/juktisi.v5i2.1399

Abstract

Permintaan produk percetakan pada PT. Next Sihar Dagulon mengalami fluktuasi sehingga perusahaan sering menghadapi kesulitan dalam menentukan kebutuhan bahan baku dan kapasitas produksi. Pendekatan prediksi yang masih bersifat manual berpotensi menimbulkan kelebihan stok, kekurangan stok, keterlambatan produksi, dan peningkatan biaya operasional. Penelitian ini bertujuan menganalisis penerapan machine learning menggunakan algoritma Random Forest untuk memprediksi permintaan produk percetakan. Data yang digunakan berupa data historis transaksi penjualan periode Januari 2022 sampai Desember 2024 sebanyak 2.500 data, yang setelah preprocessing menjadi 2.400 data valid. Variabel penelitian meliputi jenis produk, bulan transaksi, harga, jumlah pelanggan, promosi, permintaan periode sebelumnya, dan jumlah permintaan sebagai target. Tahapan penelitian terdiri atas pengumpulan data, preprocessing, transformasi data kategorikal, pembagian data latih dan data uji, pemodelan Random Forest Regressor, serta evaluasi menggunakan MAE, RMSE, MAPE, dan R². Hasil pengujian menunjukkan nilai MAE sebesar 8,74, RMSE sebesar 12,61, MAPE sebesar 7,86%, dan R² sebesar 0,91. Hasil tersebut menunjukkan bahwa Random Forest mampu menghasilkan prediksi permintaan dengan tingkat kesalahan rendah dan dapat digunakan sebagai dasar perencanaan produksi serta pengelolaan stok perusahaan.
Co-Authors , Eka Putra Abdul Chaidir Harahap Ade Guna Suteja Ade Iskandar Afif Asri Ahmad Dzaky Rahmatullah Ahmad Helmy Aldy Agustian Amin, Muhammad Aminuddin Indra Permana Aradi Sebayang Arip Muhridan Chairul Rizal Darmeli Nasution Dedy Rahman Harahap Deni Apriadi Dhimas Prayogi Dicky Apriandi Dwika Ardya Edo Edo Eisyaniah Desvazulinda Eko Hariyanto Eko Wahyudi Fauzan Nurahmadi Febri Yalda Sulistia Feby Wulandari Sembiring Heri Kurniawan Irfan Abadi Saragih Jelly Rolleys Sitompul Karina Nurfebia Khairul Lamsihar Banjarnahor Larasati Rince Pratita Ritonga M Khori Pratama Maulisa Syahputri Mhd Ihsan Abidi Muhammad Azuan Muhammad Fuad Hafiz Muhammad Iqbal Muhammad Putra Novelan Munadi Munadi Nainggolan, Pauzi Ibrahim Nurbeti Sinulingga Nuzul Aini Ramadhani Perianus Lombu Rahayu Mayang Sari Ramlan Marbun Ramli S. Siburian Rian Farta Wijaya Rido Favorit Saronitehe Waruwu Rizky Putro Nugroho Dwi Cahyo Rizky Vita Losi Robet H Silaban Rudi Hermawan Samuel Sampe Tuah Purba Septia Harliansyah Sitorus, Zulham Sukrianto Sukrianto Supiyandi Supiyandi Sutan Putra Nauli Harahap Syaiful Rahman Lubis T. Henny Febriana Harumy Tengku Didi Ferdillah Toni Prabowo Yoga Fitriana Yohannes France Limbong