Article Per Year (5 Year)
p-Index From 2021 - 2026
6.972
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 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 ALACRITY : Journal Of Education 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 : 60 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 60 Documents
Search

 2   3   4   5   6 
IMPLEMENTASI METODE GLCM DAN KNN UNTUK MENGIDENTIFIKASI JENIS BUNGA ANGGREK (ORCHIDACEAE) Nurkhalizah, Rezeki; Febrian, Didi; Manullang, Sudianto; Iskandar Al Idrus, Said; Yandra Niska, Debi
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.v9i4.14142

Abstract

Identifikasi jenis bunga anggrek (Orchidaceae) merupakan salah satu tantangan dalam bidang pengolahan citra digital, mengingat keberagaman bentuk dan warna pada setiap spesies. Penelitian ini bertujuan untuk mengimplementasikan metode Grey Level Co-occurrence Matrix (GLCM) dan K-Nearest Neighbor (KNN) dalam mengidentifikasi jenis bunga anggrek. GLCM digunakan untuk mengekstraksi fitur tekstur pada gambar bunga anggrek, seperti kontras, korelasi, energi, dan homogenitas, yang dapat menggambarkan pola tekstur spesifik pada setiap jenis bunga. Fitur-fitur yang diperoleh kemudian digunakan sebagai input dalam metode klasifikasi KNN untuk mengklasifikasikan gambar bunga anggrek ke dalam kategori spesies yang sesuai. Dataset yang digunakan terdiri dari citra berbagai jenis bunga anggrek, yang telah melalui proses pra-pemrosesan seperti konversi ke grayscale, normalisasi ukuran, dan segmentasi objek bunga dari latar belakang. Proses pelatihan dilakukan dengan membagi dataset menjadi 80% data training dan 20% data testing. Evaluasi performa dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi metode GLCM dan KNN dapat memberikan akurasi identifikasi yang tinggi, membuktikan efektivitasnya dalam mengenali variasi jenis bunga anggrek berdasarkan karakteristik tekstur citra. Dari hasil pengujian, sistem yang dikembangkan mencapai akurasi sebesar 78,95%, yang menunjukkan kinerja yang cukup baik untuk klasifikasi awal. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan sistem identifikasi otomatis untuk tanaman anggrek, yang berguna bagi bidang botani, konservasi, serta mendukung digitalisasi data flora. Pengembangan lebih lanjut dapat dilakukan dengan memperluas jumlah data, menggabungkan fitur warna atau bentuk, serta menguji algoritma klasifikasi lain untuk meningkatkan akurasi dan keandalan sistem.
IMPLEMENTASI METODE HAARCASCADE CLASSIFIER DALAM MENGIDENTIFIKASI OBJEK WAJAH MANUSIA Farhan Ramadhan, Haikal; Saputra S, Kana; Iskandar Al Idrus, Said; Indra, Zulfahmi; 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.v9i4.14143

Abstract

Keamanan menjadi aspek esensial dalam berbagai sektor, terutama pada era teknologi modern yang menuntut sistem pengamanan canggih. Salah satu inovasi dalam identifikasi dan autentikasi adalah pengenalan wajah, metode yang andal, tidak invasif, dan sesuai berbagai konteks. Dalam penelitian ini, algoritma Haar Cascade Classifier dan arsitektur jaringan saraf Inception V3 digunakan untuk meningkatkan efisiensi serta akurasi pengenalan wajah. Penelitian ini merespons tiga permasalahan utama, yaitu kebutuhan sistem keamanan modern, kendala akurasi, dan keandalan teknologi pengenalan wajah saat ini. Penelitian bertujuan menganalisis kemampuan dan kinerja Haar Cascade Classifier dalam mendeteksi wajah dengan variasi pose, serta mengoptimalkan implementasinya untuk memenuhi kebutuhan aplikasi dunia nyata. Metodologi meliputi pengumpulan data berupa citra wajah, pra-pemrosesan data (normalisasi piksel, augmentasi data, segmentasi wajah), serta pemisahan dataset untuk pelatihan (80%) dan pengujian (20%). Proses implementasi melibatkan Haar Cascade Classifier untuk deteksi wajah dan arsitektur Inception V3 untuk pengenalan wajah. Hasil evaluasi menunjukkan bahwa dengan learning rate 10e-4, model mencapai akurasi 100%, jauh lebih tinggi dibandingkan learning rate 10e-6 yang hanya mencapai akurasi 56%.
INTEGRASI MACHINE LEARNING DAN ANALISIS SPASIAL UNTUK PREDIKSI WILAYAH RAWAN TUBERKULOSIS DI PROVINSI SUMATERA UTARA Ramadhani, Fanny; Iskandar Al-Idrus, Said; Septiana, Dian; Arnita, Arnita; Retno Wahyuningrum, Diah
Djtechno: Jurnal Teknologi Informasi Vol 6, No 2 (2025): Agustus
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v6i2.6840

Abstract

Tuberkulosis (TBC) masih menjadi masalah kesehatan masyarakat yang serius di Provinsi Sumatera Utara. Prevalensi tinggi terutama di daerah padat penduduk dan terbatasnya akses layanan kesehatan menjadi tantangan utama dalam pengendalian TBC. Penelitian ini bertujuan untuk memprediksi wilayah rawan TBC dengan mengintegrasikan algoritma machine learning dan analisis spasial. Data sekunder diperoleh dari Sistem Informasi Tuberkulosis Nasional (SITB), Badan Pusat Statistik (BPS), dan shapefile administrasi wilayah kabupaten/kota di Sumatera Utara. Variabel prediktor meliputi kepadatan penduduk, status gizi, jumlah fasilitas kesehatan, tingkat kemiskinan, kualitas hunian, dan cakupan imunisasi. Model dikembangkan menggunakan algoritma Random Forest, sementara analisis spasial dilakukan menggunakan QGIS untuk menghasilkan peta risiko TBC. Hasil model menunjukkan akurasi sebesar 86,2% dengan variabel paling berpengaruh adalah kepadatan penduduk, kualitas hunian, dan akses fasilitas kesehatan. Peta risiko yang dihasilkan mengidentifikasi wilayah seperti Kota Medan, Deli Serdang, dan Labuhanbatu sebagai zona merah. Hasil penelitian ini diharapkan menjadi dasar perencanaan intervensi kesehatan yang lebih tepat sasaran di Sumatera Utara.
Identifikasi Penyakit Tanaman Berdasarkan Citra Daun Berbasis Web dengan Pendekatan Algoritma Convolutional Neural Network Sri Mulyana; Mansur AS; Angga Warjaya; Inna Muthmainnah; Said Iskandar Al Idrus; Zulfahmi Indra
SKANIKA: Sistem Komputer dan Teknik Informatika Vol 8 No 2 (2025): Jurnal SKANIKA Juli 2025
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/skanika.v8i2.3573

Abstract

This research aims to develop a mustard plant disease classification system using the Convolutional Neural Network (CNN) method integrated into a web-based platform. Classification is carried out on three classes, namely Spotted Mustard Leaves, Rotten Mustard Leaves, Healthy Mustard Leaves, with the addition of the Not Mustard Leaf class as a distractor class to test the robustness of the model against images that are not included in the main classification category. The dataset used consists of 800 images, 200 images each per class. The CNN model was built with a sequential architecture consisting of several convolutions, pooling, dropout, and dense layers, and using ReLU and SoftMax activation functions in the output layer. The training process is carried out up to 100 epochs, but with the use of Early Stopping callback, the training stops at the 60th epoch, with the best performance (best epoch) achieved at the 32nd epoch. Evaluation of the model on test data showed an accuracy of 93.75%, with high precision, recall, and F1-score values in each class. The model was then implemented into a web interface so that users could upload leaf images and obtain classification results automatically. The results of this study show that CNN is effective in detecting mustard leaf disease and has the potential to be applied as a digital image-based diagnostic tool in agriculture.
CERTAINTY FACTOR METHODS IN IDENTIFYING INTERESTS AND TALENTS OF ELEMENTARY SCHOOL CHILDREN AL IKHLAS TAQWA Fitria, Amanda; Idrus, Said Iskandar Al; Asiah, Asiah; Suryani, Nita; Nabila, Rinjani Cyra
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 17 No 1 (2023): BAREKENG: Journal of Mathematics and Its Applications
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (366.408 KB) | DOI: 10.30598/barekengvol17iss1pp0457-0466

Abstract

Psychologists and child education experts always remind the importance of knowing interests and talents from an early age to provide a stimulus to children from an early age, because the provision of the stimulus affects the future of children. This study aims to (1) To make calculations in mathematical models to calculate and analyze the interests of children's talents using applications. (2) To create a web-based information system that can facilitate teachers and parents in determining the interests of children's talents at the Al-Ikhlas Taqwa Plus Elementary School using the Certainty Factor method. The method used in this research is the research and development (R&D) method using the certainty factor. The population in this study were all students of SD Plus Al Ikhlas Taqwa Medan T.P 2021/2022 starting from grades 3-6. Sampling was done by purposive sampling technique. Data collection was carried out by interviews, material expert test questionnaires, and media experts, and the results of the children's talent interest questionnaire were processed using the Certainty Factor. The results of this study are the results of interest and talent analysis based on 7 intelligence criteria and also the highest summary results from several criteria with one of the tests yielding a percentage of 93.58% in the field of linguistics.
Melody Transcription from Monophony Audio with Fast Fourier Transform Simanjorang, Rio Givent A; Kana Saputra S; Said Iskandar Al Idrus; Zulfahmi Indra
Journal of Informatics and Data Science Vol. 3 No. 2 (2024): November 2024
Publisher : Universitas Negeri Medan

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

Abstract

Music has been an inseparable part of human life since ancient times. One form of music that is often studied is monophonic music, which consists of a single note played at a time. In the digital era, melody transcription has become an important aspect of music processing, allowing sound to be converted into musical notation. This study focuses on melody transcription from monophonic sound recordings using the Fast Fourier Transform (FFT) method. The research aims to analyze the accuracy of FFT in extracting frequency components from monophonic signals and converting them into musical notation. The research methodology involves collecting monophonic sound recordings from piano and guitar, preprocessing the audio to remove noise and normalize volume, applying FFT to extract frequency features, and mapping these frequencies into musical notation. The evaluation process is conducted using Dynamic Time Warping (DTW) and a confusion matrix to measure accuracy, precision, recall, and F1-score. The results show that the FFT-based transcription system achieves an accuracy rate of 99.24% for piano and 98.86% for guitar. The study also highlights the impact of noise and audio quality on transcription accuracy, as well as the limitations of FFT in detecting closely spaced frequencies. Despite these limitations, FFT proves to be an efficient method for melody transcription in simple monophonic music. Future research could explore hybrid approaches combining FFT with other pitch detection algorithms to improve transcription accuracy.
Klasifikasi Akun Buzzer Menggunakan Algoritma K-Nearest Neighbor pada Tagar #STYTanpaDiasporaNol di Media Sosial X Lubis, Afiq Alghazali; Idrus, Said Iskandar Al; Indra, Zulfahmi; S, Kana Saputra; Chairunisah, Chairunisah
Blend Sains Jurnal Teknik Vol. 4 No. 2 (2025): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i2.1093

Abstract

Peningkatan pengguna media sosial X pada tahun 2024 sebesar 639 ribu mengakibatkan penyebaran informasi yang sangat masif, menjadikan buzzer berperan dalam mengarahkan opini publik dan memicu konflik sosial, seperti yang terlihat pada tren #STYTanpaDiasporaNol usai gugurnya tim nasional Indonesia di ASEAN Championship 2024. Penelitian ini bertujuan untuk membangun model machine learning dalam klasifikasi akun buzzer menggunakan algoritma K-Nearest Neighbor (KNN). Data yang akan digunakan dalam penelitian ini berasal dari kumpulan tweet dari sosial media X dalam tagar #STYTanpaDiasporaNol. Penelitian ini memiliki prosedur penelitian, di antaranya pengumpulan data, pra-pemrosesan data (cleaning, labelling, feature engineering dan standardization), splitting data, pemrosesan data, dan evaluasi model. Hasil penelitian ini mendapatkan model dengan akurasi terbaik yaitu varian model perbandingan split data 80:20 dan K = 5 dengan nilai akurasi sebesar 89% serta nilai precision dan recall sebesar 89% lalu nilai F1-score sebesar 88%. Model sangat baik dalam memprediksi kelas mayoritas namun kesulitan dalam memprediksi kelas minoritas. Kemudian dilakukan eksperimen resampling data dengan tujuan membuat keseimbangan data. Hasil didapatkan bahwa varian pada split data 70:30 dengan K = 9 diperoleh akurasi sebesar 91% dengan precision, recall dan accuracy juga sebesar 91%. Model eksperimen ini cukup baik mendeteksi kelas mayoritas maupun kelas minoritas.
Implementasi Algoritma K-Nearest Neighbors (KNN) dalam Deteksi Dini Hipertensi berdasarkan Analisis Tekanan Darah Siregar, Ary Prandika; Al Idrus, Said Iskandar; Indra, Zulfahmi; Taufik, Insan
INCODING: Journal of Informatics and Computer Science Engineering Vol 5, No 2 (2025): INCODING OKTOBER
Publisher : Mahesa Research Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34007/incoding.v5i2.1018

Abstract

This study aims to develop a web-based hypertension detection system using the K-Nearest Neighbors (KNN) algorithm and to analyze its accuracy in classifying hypertension status. The dataset was obtained from 447 patient medical records at RSKG Rasyida, consisting of eight variables: gender, age, systolic blood pressure, diastolic blood pressure, height, weight, body mass index (BMI), and hypertension status. The preprocessing stage involved three main steps—feature selection (age, systolic and diastolic blood pressure, BMI), data balancing using undersampling, and data normalization through the Min-Max method—resulting in 425 balanced data samples with five hypertension categories. The web application includes modules for login, dashboard, data input, detection results, and detection history, and has been evaluated using black box testing. The best KNN performance was achieved at k = 13 with 92.94% accuracy, 94% precision, 93% recall, and 93% F1-score. These results indicate that the proposed system can accurately classify hypertension and serve as an effective, data-driven screening tool for healthcare professionals.
Sentiment Analysis of Twitter Users Regarding Taxation Topics in Indonesia Utilizing Multinomial Naive Bayes Tarigan, Dewan Dinata; Al Idrus, Said Iskandar
Journal of Informatics and Data Science Vol. 3 No. 1 (2024): JUNE 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/j-ids.v3i1.52465

Abstract

The country's income is heavily dependent on taxes, which contribute to improved public well-being. Public confidence in tax authorities plays a key role in increasing tax receipts. Therefore, it is important to measure this level of confidence. One of the methods used is sentimental analysis, which helps to understand public views on regulations, services, performance, and tax policies. One of the purposes of this study is to measure the sentiment of Twitter users towards taxation in Indonesia. Sentiment analysis involves data collection processes, initial data processing, separation of datasets, feature extraction, classification, and evaluation. The classification model used is Multinomial Naive Bayes with a comparison of 80% training data and 20% test data. The results show that 89.65% of tweets about taxation in Indonesia have negative sentiment. The model evaluation was carried out on two test scenarios, namely initial data and randomly under-sampleed data. Classification on initial data achieved accuracy of 89.97%, precision of 46.68%, and sensitivity of 33.61%. Whereas on undersampling data results, accuration reached 53.28%, accurateness of 52.66%, and sensibility of 52.52%. Analysis showed significant differences between the two scenarios in which undersammpling techniques resulted in a more balanced distribution of data. Despite this, the model still faces difficulties in classifying positive and neutral data due to the dominance of negative sentiment.
Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes Arifin, Khusnul; Al-Idrus, Said Iskandar
Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Vol 23 No 1 (2024): Februari 2024
Publisher : PRPM STMIK TRIGUNA DHARMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53513/jis.v23i1.9558

Abstract

Tahun 2024 mendatang akan menjadi tahun politik. Terdapat tiga bakal calon presiden yang namanya telah muncul di masyarakat, yaitu Anies Baswedan, Ganjar Pranowo, dan Prabowo Subianto. Banyak berseliweran di media sosial terkhususnya Twitter respon mengenai para tokoh politik tersebut. Beragamnya respon para pengguna Twitter terhadap bakal calon presiden di pemilu 2024 mengakibatkan juga banyaknya jenis dari emosi “cuitan” para penggunanya, oleh karena itu diperlukan adanya analisis untuk mengetahui pandangan masyarakat terhadap para bakal calon presiden tersebut berdasarkan klasifikasi emosinya. Klasifikasi emosi pada proses penelitian ini menggunakan algoritma Multinomial Naïve Bayes dengan melibatkan beberapa tahapan proses, seperti preprocessing data, pelabelan data, ekstraksi fitur, pembagian dataset, klasifikasi, dan evaluasi model. Menggunakan pembagian data dengan metode 80:20, yaitu data latih dibagi menjadi 80% dan data uji menjadi 20%. Hasil pelabelan emosi dari tiap bakal calon presiden menunjukkan nilai yang berbeda satu sama lain. Tahapan pengujian dilakukan dan dibagi dengan beberapa tahap, yaitu pengujian menggunakan label netral, tanpa label netral, dan random sampling. Performa model algoritma Naïve Bayes tanpa menggunakan label netral menunjukkan performa yang lebih baik, dengan nilai akurasi model sebesar 58% pada data Anies Baswedan, 58% pada data Prabowo Subianto, dan 76% pada data Ganjar Pranowo, serta gabungan 69%. Klasifikasi pada skenario pengujian menggunakan label netral menunjukkan akurasi sebesar 55% pada data Anies Baswedan, 60% pada data Ganjar Pranowo, dan 53% pada data Prabowo Subianto, sedangkan untuk gabungan semuanya nilai akurasi sebesar 51%. 
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 Ichwanul Muslim Karo Karo Ihsan Zulfahmi Inna Muthmainnah Insan Taufik Izwita Dewi Josafat Simanjutak, Todo Josua Christian Kana Saputra S Kana Saputra S Kuraini, Atifa Nuzulul Lazuardi Lazuardi Lubis, Afiq Alghazali Lubis, M. Revano Ananda 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 Simbolon, Mula Tua Elia Sinaga, Marlina Setia Siregar, Ary Prandika Siregar, Mochammad Gani Alfa Alkhoiri Sri Mulyana Sri Mulyana Suryani, Nita Susiana Susiana Susiana Susiana Syarida Aini, Desti Tambunan, M. Ananda Rizki 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