Article Per Year (5 Year)
p-Index From 2021 - 2026
6.7
P-Index
This Author published in this journals
All Journal Paradikma: Jurnal Pendidikan Matematika JURNAL PENELITIAN SAINTIKA Jurnal IPTEK JURNAL PENGABDIAN KEPADA MASYARAKAT Journal of Tropical Biodiversity and Biotechnology Jurnal KARISMATIKA JTT (Jurnal Teknologi Terpadu) Indonesian Journal of Artificial Intelligence and Data Mining BAREKENG: Jurnal Ilmu Matematika dan Terapan bit-Tech Jurnal Sains dan Teknologi JATI (Jurnal Mahasiswa Teknik Informatika) PHI: Jurnal Pendidikan Matematika SKANIKA: Sistem Komputer dan Teknik Informatika Journal of Soft Computing Exploration Djtechno: Jurnal Teknologi Informasi Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) INCODING: Journal of Informatics and Computer Science Engineering Instal : Jurnal Komputer Archive: Jurnal Pengabdian Kepada Masyarakat PROSISKO : Jurnal Pengembangan Riset dan observasi Rekayasa Sistem Komputer Journal of Artificial Intelligence and Engineering Applications (JAIEA) Blend Sains Jurnal Teknik Journal of Student Research EINSTEIN (E-JOURNAL) Ocean Engineering: Jurnal Ilmu Teknik dan Teknologi Maritim Innovative: Journal Of Social Science Research Asian Journal of Applied Education Lencana: Jurnal Inovasi Ilmu Pendidikan Journal of Informatics and Data Science (J-IDS) Journal of Mathematics, Computation and Statistics (JMATHCOS) Darma Abdi Karya: Jurnal Pengabdian Kepada Masyarakat Journal of Information Technology
Said . Iskandar
Universitas Negeri Medan
Religion Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Physics Public Health Social Sciences Transportation Other

Published : 58 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 58 Documents
Search

 2   3   4   5   6 
3D Application Development with Blender and Roblox Integration: A Case Study of the North Sumatera State Museum Malik Fajri, Maulana; Said Iskandar Al Idrus; Yulita Molliq Rangkuti; Kana Saputra S; Debi Yandra Niska
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.752

Abstract

This research explores the potential of Metaverse and Immersive Space technologies to enhance virtual tourism experiences at the North Sumatra State Museum through the integration of Blender and Roblox Studio. The main focus is on developing complex and interactive metaverse content, as well as implementing an adaptive visit counting system. The methodology involves developing a 3D application using Blender for modeling and Roblox Studio for the virtual environment. Key results include the addition of Virtual Reality (VR) features, expansion of the virtual museum collection, and a continuous evaluation system based on user feedback. In conclusion, the integration of Blender and Roblox Studio proves effective in creating immersive virtual museum experiences, opening new opportunities in utilizing Metaverse technology to increase museum accessibility and offering innovative solutions for preserving and promoting cultural heritage through digital platforms.
Automatic Waste Type Detection Using YOLO for Waste Management Efficiency Alfattah Atalarais; Kana Saputra S; Hermawan Syahputra; Said Iskandar Al Idrus; Insan Taufik
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.770

Abstract

The management of waste in Indonesia is currently suboptimal, with only 66.24% being effectively managed, leaving 33.76% unmanaged. This highlights a significant challenge in waste management, primarily due to a lack of understanding in selecting appropriate waste types. Advances in deep learning and computer vision offer promising solutions to this issue. This study employs the YOLOv8l model, a well-regarded deep learning model for object detection, to develop an automated waste type detection system integrated with trash bins. The dataset comprises 2800 images across four classes, each containing 700 images, and is split with an 80:10:5 ratio for training, validation, and testing. Evaluation on test data yields a mean Average Precision (mAP) of 96.8%, indicating robust model performance in object detection. The model's accuracy is further validated with a score of 89.98%. Real-time testing conducted at Merdeka Park, Binjai, demonstrates the system's capability to detect waste with varying confidence levels, consistently above the 0.5 threshold. The highest confidence was observed in bottle detection at 0.94, and the lowest in cans at 0.64, underscoring the system's reliability across different detection scenarios within a 30cm range.
Implementation of MobileNet V3 In Classifying Butterfly Species with Android and Cloud Based Application Development Ihsan Zulfahmi; Said Iskandar Al Idrus; Hermawan Syahputra; Insan Taufik; Kana Saputra S
Journal of Artificial Intelligence and Engineering Applications (JAIEA) Vol. 4 No. 2 (2025): February 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jaiea.v4i2.797

Abstract

This research aimed to develop an Android application capable of classifying butterfly species using cloud computing and deep learning technologies. MobileNetV3-Large, a Convolutional Neural Network (CNN) architecture, was employed to process and classify six butterfly species. The dataset was divided into two ratios, 70:30 and 80:20, for training and testing. Evaluation results indicated that the optimal model was achieved with an 80:20 ratio, yielding an accuracy of 94% and precision, recall, and F1-Score values exceeding 90% for each species class. Google Cloud Platform (GCP) was utilized to manage and run the model using the Cloud Run service, enabling the application to function efficiently even with limited resources on Android devices. The application incorporates an encyclopedia of species and a camera scanning feature, making it a valuable educational tool
KLASIFIKASI MOTIF PADA TENUN TRADISIONAL TARUTUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN PERANCANGAN VISUAL PRODUCT GUIDE BERBASIS WEBSITE Eka Nainggolan, Rinay; Yandra Niska, Debi; Iskandar Al Idrus, Said; Saputra S, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13053

Abstract

Tarutung merupakan salah satu wilayah di Sumatera Utara yang masih aktif dalam melestarikan tradisi tenunnya. Desain kain tenun Tarutung terus berkembang dengan motif yang lebih bervariasi, mencerminkan dinamika budaya yang menggabungkan tradisi dan tren kontemporer. Hasil wawancara yang dilakukan peneliti dengan 25 pemasok songket di Tarutung menunjukkan 72% (18 orang) mengalami kesulitan mengidentifikasi jenis tenun, terutama penjual baru dan sales promotor yang perlu menjelaskan detail produk kepada pelanggan. Hasil wawancara juga menunjukkan 80% (20 orang) penjual kesulitan mengetahui kegunaan tenun karena keberagaman yang ada. Pembeli sering bertanya tentang penggunaan yang tepat, seperti untuk pakaian, upacara adat, keagamaan, atau dekorasi, sehingga penjual perlu memberikan informasi yang akurat. Kesulitan membedakan jenis tenun disebabkan oleh kemiripan pola akibat perbedaan satu atau dua lidi dalam proses mamutik (pembuatan motif). Penjual biasanya berdiskusi dengan sesama penjual atau memeriksanya ke pengrajin, yang tentunya memakan waktu lama. Ketidakakuratan informasi dapat mengurangi kepercayaan pelanggan, menurunkan pendapatan, dan mempersulit penentuan harga. Penjual harus memastikan informasi produk akurat untuk menghindari kerugian. Penelitian ini bertujuan untuk membangun model klasifikasi tenun Tarutung berdasarkan motif menggunakan metode Convolutional Neural Network (CNN), yang diintegrasikan ke dalam sebuah website untuk mengidentifikasi jenis kain yang diunggah pengguna. Selain itu, website juga menyediakan informasi relavan yang memudahkan akses pengguna ke berbagai fitur yang tersedia. Penelitian ini menghasilkan model CNN dengan akurasi sebesar 94%, precision 96%, recall 94%, dan F1-score 94%.
Sistem Pakar Untuk Mengukur Tingkat Depresi Mahasiswa Menggunakan Metode Fuzzy Sugeno Muhammad Rifqi Maulana; Said Iskandar Al Idrus
Ocean Engineering : Jurnal Ilmu Teknik dan Teknologi Maritim Vol. 2 No. 1 (2023): Maret : Jurnal Ilmu Teknik dan Teknologi Maritim
Publisher : Fakultas Teknik Universitas Maritim AMNI Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1061.636 KB) | DOI: 10.58192/ocean.v2i1.667

Abstract

Pakar psikologi mengingatkan pentingnya untuk tidak meremehkan kesehatan mental atau depresi sejak dini karena dapat menyerang berbagai usia dan mampu memengaruhi kondisi psikis penyintasnya. Mulai dari menyalahkan orang lain, menyakiti diri sendiri, hingga menyebabkan keinginan bunuh diri, merupakan bahaya yang mengancam saat seseorang depresi. Oleh karena itu penelitian ini bertujuan untuk membuat perhitungan dengan metode fuzzy sugeno untuk mengukur tingkat depresi pada mahasiswa dan membuat sistem yang mempermudah pengguna untuk mengetahui tingkatan depresi yang dialaminya. Sampel dalam penelitian ini adalah mahasiswa Ilmu Komputer Universitas Negeri Medan. Pengambilan sampel dilakukan dengan teknik Stratified Random Sampling. 60 responden yang terukur, terdapat 40% yang terindikasi tidak ada depresi/gangguan mood, 45% terindikasi depresi sedang, dan 15% terindikasi depresi berat. Hasil akurasi metode fuzzy sugeno yang dihitung menggunakan Mean Absolute Error (MAE) dengan memperoleh 5,36 yang artinya rata-rata kesalahan mendekati nilai sebenarnya.
Analisis Perbandingan Performa Kinerja Metode Huffman Coding Dan Metode Elias Omega Coding Pada Kompresi File Teks Kuraini, Atifa Nuzulul; Arnita, Arnita; Simamora, Elmanani; Al Idrus, Said Iskandar; Taufik, Insan
Jurnal Teknologi Terpadu Vol 13, No 1 (2025): JTT (Jurnal Terpadu Terpadu)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32487/jtt.v13i1.2455

Abstract

Penelitian ini menganalisis kinerja kinerja antara metode Huffman Coding dan Elias Omega Coding dalam konteks kompresi file teks. Studi ini mencakup pengujian terhadap berbagai jenis file teks untuk kompresi, kecepatan proses, dan penggunaan rasio memori dari kedua metode. Tujuan Penelitian ini melakukan simulasi pada kompresi dan dekompresi teks dengan metode Huffman Coding dan Elias Omega Coding serta menunjukkan hasil perhitungan efektifitas kinerja mana yang lebih baik. Hasil penelitian menunjukkan bahwa algoritma Huffman Code lebih baik dalam melakukan kompresi dan dekompresi terhadap file corpus dengan rata-rata rasio kompresi sebesar 1,625, rasio kompresi sebesar 0,607, space saving sebesar 39,3%, waktu kompresi sebesar 499,547 ms, dan waktu dekompresi sebesar 9.384,501 ms. Sedangkan, algoritma Elias Omega Code memiliki rata-rata rasio kompresi sebesar 0,917, rasio kompresi sebesar 1,099, space saving sebesar -9,9%, waktu kompresi sebesar 2.937,606 ms, dan waktu dekompresi sebesar 10.539,144 ms.
Penerapan Algoritma Caesar Cipher dan Metode Least Significant Bit Untuk Mengamankan Teks Dalam Vidio Pane, M Iqbal Anata; Taufik, Insan; Syahputra, Hermawan; Al Idrus, Said Iskandar; Niska, Debi Yandra
PROSISKO: Jurnal Pengembangan Riset dan Observasi Sistem Komputer Vol. 12 No. 1 (2025): Prosisko Vol. 12 No. 1 2025
Publisher : Pogram Studi Sistem Komputer Universitas Serang Raya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30656/prosisko.v12i1.9606

Abstract

Abstrak - Data digital adalah representasi informasi dalam bentuk angka atau simbol yang bisa diproses oleh komputer. Jenis-jenis data digital termasuk teks, gambar, audio, video, spreadsheet, presentasi, dan basis data. Ada data yang umum dan dapat diakses oleh banyak orang, serta data rahasia yang memerlukan perlindungan khusus saat ditransmisikan melalui internet. Penelitian ini bertujuan untuk mengamankan informasi dalam video menggunakan algoritma Caesar Cipher dan metode Least Significant Bit (LSB). Melalui analisis dan implementasi, penelitian ini menunjukkan bahwa kombinasi kedua teknik tersebut dapat efektif melindungi teks dalam video tanpa mengubah kualitas visualnya. Hasil penelitian ini memberikan sumbangan bagi pengembangan keamanan informasi digital serta memberikan dasar bagi penelitian lebih lanjut. Selain itu, tantangan utama dalam penelitian ini adalah memperhatikan kecepatan pengolahan video agar dapat diunggah dan diunduh dengan mudah oleh pengguna. Oleh karena itu, penelitian ini tidak hanya menawarkan solusi untuk masalah keamanan informasi, tetapi juga mempertimbangkan aspek praktis dalam penerapannya. Ke depannya, penelitian dapat mengeksplorasi integrasi metode keamanan yang lebih canggih dan efisien untuk meningkatkan perlindungan data digital. Secara keseluruhan, penelitian ini menyajikan solusi yang relevan dan berpotensi untuk diterapkan secara luas dalam konteks keamanan informasi digital yang terus berkembang.
Implementation of Convolutional Neural Network in Detecting Avocado Ripeness Level Luge, Miclyael; Indra, Zulfahmi; Syahputra, Hermawan; Al Idrus, Said Iskandar; S, Kana Saputra
Jurnal IPTEK Vol 29, No 1 (2025)
Publisher : LPPM Institut Teknologi Adhi Tama Surabaya (ITATS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.iptek.2025.v29i1.6737

Abstract

Squeezing avocados to determine ripeness can cause physical damage or bruising, reducing the fruit’s quality and resulting in losses for sellers and buyers. This research aims to develop an Android-based mobile application to detect avocado ripeness based on skin color, avoiding physical damage to the fruit. The study uses three simple Convolutional Neural Network architectures to evaluate the algorithm’s ability to detect avocado ripeness. The dataset includes 385 images across four classes: immature, half-ripe, ripe, and overripe (74 images each), and an additional 89 images for the non-avocado class. The model was trained with learning rates of 0.001, 0.0001, and 0.00001. The architecture with the most convolutional layers achieved the best performance with a 0.001 learning rate, yielding a test accuracy of 94.15%, a test loss of 19.28%, and an F1-score of 94.0%. The best model was then converted to TFLite format and successfully integrated into an Android application that functions effectively.
IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI PENERIMA BANTUAN PANGAN NON TUNAI (BPNT) BERBASIS WEB: STUDI KASUS: KELURAHAN CENGKEH TURI Syarida Aini, Desti; Febrian, Didi; Nasution, Hamidah; Iskandar Al Idrus, Said; Indra, Zulfahmi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 3 (2025): JATI Vol. 9 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i3.13770

Abstract

Kemiskinan merupakan tantangan utama dalam pembangunan Indonesia, yang semakin diperburuk oleh krisis ekonomi 1998. Untuk mengatasi hal ini, pemerintah meluncurkan program Bantuan Pangan Non Tunai (BPNT) melalui sistem uang elektronik bagi keluarga miskin, guna memastikan pemenuhan pangan dan meringankan beban pengeluaran. Program ini juga mendukung pencapaian Sustainable Development Goals (SDGs). Namun, pengolahan data penerima BPNT di Kelurahan Cengkeh Turi masih dilakukan secara manual, menyebabkan proses yang lam dan subjektif. Oleh karena itu, dibutuhkan analisis menggunakan teknik data mining, seperti klasifikasi Naïve Bayes, untuk meningkatkan efektifitas dan efisiensi dalam hal akurasi penyaluran bantuan. Naïve Bayes dipilih karena merupakan algoritma klasifikasi yang efisien dan efektif, menggunakan probabilitas dan statistik untuk memprediksi kategori data. Meskipun mengasumsikan independensi antar atribut, algoritma ini tetap memberikan hasil yang baik. Hasil klasifikasi menggunakan Naïve Bayes menunjukkan akurasi sebesar 83,33%, dengan 16,67% data terdeteksi kurang tepat sasaran. Dari 20% data uji, 9 data diterima dan 21 data ditolak. Dengan 25 data yang sesuai dan 5 data yang tidak sesuai, sistem ini efektif mengidentifikasi kelompok yang membutuhkan bantuan berdasarkan variabel yang memiliki korelasi kuat dengan hasil klasifikasi.
KOMBINASI LATENT SEMANTIC INDEXING DAN SUPPORT VECTOR MACHINE PADA KLASIFIKASI DOKUMEN AKREDITASI: STUDI KASUS : PASCASARJANA UNIVERSITAS NEGERI MEDAN Warjaya, Angga; As, Mansur; Muthmainnah, Inna; Mulyana, Sri; Iskandar Al Idrus, Said; Arnita, Arnita; Taufik, Insan
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14102

Abstract

Pengelolaan dokumen akreditasi yang efisien menjadi tantangan utama dalam pendidikan tinggi akibat volume dokumen yang besar dan format yang bervariasi. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi otomatis menggunakan kombinasi latent semantic indexing dan support vector machine guna meningkatkan akurasi dan efisiensi pengelolaan dokumen akreditasi. Akurasi dalam penelitian ini mengacu pada ketepatan sistem dalam mengidentifikasi kategori dokumen sesuai kriteria akreditasi, sementara efisiensi mencerminkan percepatan dan penyederhanaan proses klasifikasi dibandingkan dengan metode manual. Dataset terdiri dari 230 dokumen yang dikategorikan berdasarkan kriteria Lembaga Akreditasi Mandiri Kependidikan, dengan 115 dokumen untuk Kriteria 6 (Pendidikan) dan 115 dokumen untuk Kriteria 7 (Penelitian), kemudian dibagi menjadi data latih dan uji dengan rasio 60:40. Proses klasifikasi dilakukan melalui beberapa tahap, termasuk pre-processing teks, ekstraksi fitur semantik, serta optimasi parameter model untuk memperoleh hasil terbaik. Pengujian menunjukkan bahwa metode yang diusulkan mampu mencapai tingkat akurasi sebesar 91%, dengan validasi silang sebesar 94,21%. Hasil ini menunjukkan bahwa pendekatan yang digunakan efektif dalam mengotomatisasi klasifikasi dokumen akreditasi, sehingga dapat mempercepat proses evaluasi serta meningkatkan efisiensi manajemen dokumen dalam institusi pendidikan tinggi.
Co-Authors Adidtya Perdana Ahmad Landong Alfattah Atalarais Ananda Hatmi, Reza Angga Warjaya Arifin, Khusnul Arnah Ritonga Arnita Arnita Arnita Arnita Arnita Asiah Asiah Billroy A Ginting Buulolo, Fatizanolo Chairunisah Chairunisah, Chairunisah Citra Citra Debi Yandra Niska Dechy Deswita Indriani.S Devi Juliana Napitupulu Diah Retno Wahyuningrum Dian Septiana DIdi Febrian Eka Nainggolan, Rinay Eko Prasetya, Eko Elvis Napitupulu, Elvis Fadlan Isa Damanik Fadlan Isa Damanik Farhan Ramadhan, Haikal Fauziyah Harahap Fira Dilla Fitria, Amanda Hermawan Syahputra Hermawan Syahputra Ichwanul Muslim Karo Karo Ihsan Zulfahmi Inna Muthmainnah Insan Taufik Izwita Dewi Josafat Simanjutak, Todo Josua Christian Kana Saputra S Kana Saputra S Khairani, Nerli Kuraini, Atifa Nuzulul Lazuardi Lazuardi Lubis, Afiq Alghazali Luge, Miclyael Malik Fajri, Maulana MANSUR AS Manullang, Sudianto Manurung, Jeremia Marpaung, Faridawaty Mika . Layakana Molliq Rangkuti, Yulita Mualiawan Firdaus Muhammad Noer Fadlan Muhammad Rifqi Maulana Muthmainnah, Inna Nabila, Rinjani Cyra Nafisa, Anti Nada Nasution, Hamidah . Nice R Refisis Niska, Debi Yandra Nurkhalizah, Rezeki Nurliani Manurung Olga Laura Mahlona Pane, M Iqbal Anata Pane, Yeremia Yosefan Puji Prastowo, Puji Purba, Boy Hendrawan Rahmani . . Ramadhani, Fanny Refisis, Nice Rejoice Reza Al Alif Reza Al Alif Rovita Indah Ayu Ningtias Salsabila, Aqila Siburian, Rulli Prasetio Bane Sihombing, Jeremia Jordan Simamora, Elmanani Simanjorang, Rio Givent A Simanungkalit, Ada Novisari D. Simbolon, Mula Tua Elia Sinaga, Marlina Setia Siregar, Ary Prandika Sri Mulyana Sri Mulyana Suryani, Nita Susiana Susiana Susiana Susiana Syarida Aini, Desti Tarigan, Dewan Dinata Tarigan, Yosua Yosephine Trisna Utami Putri Wahabi Hasibuan, Rahman Warjaya, Angga Wilma Handayani Yuanita Rachmawati Yulita Molliq Rangkuti Yulita Molliq Rangkuti Yulita Molliq Rangkuti Yusuf, Yusnaeni Zufahmi Indra Zulfahmi Indra, Zulfahmi