Article Per Year (5 Year)
p-Index From 2021 - 2026
0.947
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business Cerdika: Jurnal Ilmiah Indonesia Asia Information System Journal Jurnal Alih Teknologi Komputer (ALTEK) Journal of Computer Science and Informatics (JOCSI)
Azhari, Amalyanda
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Public Health Social Sciences

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Rancang Bangun Sistem Informasi Berbasis Website Tentang Kehadiran Siswa Via Sms Gateway Oktaria, Intan; Azhari, Amalyanda
Jurnal Alih Teknologi Komputer (ALTEK) Vol 4, No 2 (2023)
Publisher : Universitas Mitra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57084/altek.v4i2.1459

Abstract

AbstrakPihak sekolah memiliki banyak keterhambatan dalam penanganan presensi dari pihak murid maupun guru yang masih dilaksanakan secara mandiri dengan ketelitian dan  kurangnya hubungan interaksi yang memberikan informasi dengan orang tua. Dalam penanganan Presensi yang lebih informatif dan akurat dibutuhkan sistem yang komputasi sehingga dapat memberikan informasi yang lebih baik dalam penanganan informasi dan data dari siswa di SMAN 1 Padang Cermin serta untuk para orangtua siswa. Berdasarkan dari kebutuhan tersebut maka dilakukannya pengembangan sistem informasi Presensi berbasi SMS (Send Message Service). Sistem yang akan dikembangkan dapat digunakan oleh admin dari sekolah, murid, dan tenaga pengajar. Para tenaga pengajar serta admin dari aplikasi diberikan hak penuh dalam akses yang berpedoman terhadap peraturan, sedangkan murid hanya dapat melihat daftar Presensinya saja. Terpisah dari hak askses tersebut orangtua mendapatkan informasi berupa pesan teks yang dikirim langsung melalui sistem dari aplikasi. Analisa dalam pemilihan metode untuk aplikasi ini menggunakan metode waterfall untuk pengembangan sistemnya, metode penelitian deskriptif yang berupa studi kasus, wawancara dalam pengambilan datanya, penelitian kepustakaan serta observasi langsung. Pemilihan alat deskriptif dari analisa penulis menjelaskan penggunaan flowmap, ‘usecase ‘diagram, ‘sequence diagram, ‘activity ‘diagram dan ‘class ‘diagram  serta dibangun menerapkan bahasa pemograman banyak digunakan seperti web server xampp, PHP, MySQL, Gammu sebagai layanan SMS gateway, ponsel. Didapatkan analisa, desain, dan penerapan di aplikasi, penulis mengambil kesimpulan dari aplikasi yang dibuat dapat membantu admin sekolah dan tenaga pengajar untuk memproses data serta memberikan laporan, sehingga membantu orang tua murid dalam akses informasi yang lebih akurat dan cepat untuk tangkat kehadiran dari murid tersebut. Kata Kunci :  Sistem, Informasi, Data Absensi, Web.
IMPLEMENTASI METODE TOPSIS PADA SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KONSUMEN LOYALITAS Azhari, Amalyanda; Fransiska, Hera
Journal of Computer Science and Informatics (JOCSI) Vol 2 No 2 (2025): February
Publisher : EDU PARTNER INDONESIA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69747/jocsi.v2i2.82

Abstract

Loyalitas konsumen merupakan faktor utama dalam menjaga keberlanjutan bisnis. Untuk menilai tingkat loyalitas konsumen secara objektif, diperlukan suatu sistem pendukung keputusan (SPK) yang mampu mengolah berbagai kriteria penilaian. Metode Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) adalah salah satu metode multikriteria yang dapat digunakan dalam SPK untuk membantu perusahaan dalam memilih konsumen dengan tingkat loyalitas tinggi. Penelitian ini mengimplementasikan metode TOPSIS pada sistem pendukung keputusan untuk menganalisis berbagai aspek yang mempengaruhi loyalitas konsumen, seperti repeat order, servis berkala dan reguler, status keaktifan konsumen, promosi dan lama berlangganan. Data penelitian dikumpulkan melalui survei yang dilakukan terhadap pelanggan dealer motor di Pringsewu dengan teknik kuesioner. Hasil penelitian menunjukkan bahwa metode TOPSIS dapat memberikan peringkat konsumen berdasarkan tingkat loyalitas mereka, sehingga dapat membantu perusahaan dalam menyusun strategi pemasaran dan retensi pelanggan yang lebih efektif. Implikasi penelitian ini adalah bahwa penerapan metode TOPSIS dapat digunakan oleh perusahaan untuk mengidentifikasi konsumen dengan tingkat loyalitas tinggi, sehingga memungkinkan pengelolaan strategi pemasaran dan retensi pelanggan yang lebih terarah dan efisien. Consumer loyalty is the main factor in maintaining business sustainability. To objectively assess the level of consumer loyalty, a decision support system (DSS) is needed that is capable of processing various assessment criteria. The Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method is a multi-criteria method that can be used in SPK to help companies select consumers with a high level of loyalty. This research implements the TOPSIS method in a decision support system to analyze various aspects that influence consumer loyalty, such as repeat orders, periodic and regular services, consumer activity status, promotions and length of subscription. Research data was collected through a survey conducted on motorbike dealer customers in Pringsewu using a questionnaire technique. The research results show that the TOPSIS method can provide consumer rankings based on their level of loyalty, so that it can help companies develop more effective marketing and customer retention strategies. The implication of this research is that the implementation of the TOPSIS method can be used by companies to identify consumers with high loyalty levels, enabling more targeted and efficient management of marketing strategies and customer retention.
Penerapan Transformer Based Deep Learning Untuk Deteksi Dini Serangan Siber Pada Infrastruktur Kritis Berbasis IoT Fransiska, Hera; Azhari, Amalyanda
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 2 (2025): Mei - Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i2.1118

Abstract

Perkembangan pesat Internet of Things (IoT) mendorong transformasi digital pada infrastruktur kritis seperti energi, transportasi, dan layanan publik. Namun, integrasi IoT juga meningkatkan risiko serangan siber akibat banyaknya celah keamanan di perangkat dan jaringan yang saling terhubung. Deteksi dini serangan siber menjadi sangat penting untuk menjaga stabilitas dan keberlanjutan operasional infrastruktur tersebut. Penelitian ini mengevaluasi efektivitas arsitektur Transformer Based Deep Learning dalam mendeteksi serangan siber secara proaktif di lingkungan IoT. Metode yang digunakan adalah eksperimen komputasional dengan pendekatan kuantitatif, memanfaatkan dataset publik seperti CICIDS2018 dan IoT 23, serta data simulasi jaringan lokal yang merepresentasikan kondisi infrastruktur kritis. Data berupa rekaman lalu lintas jaringan diproses melalui pelabelan dan pemisahan set pelatihan dan pengujian. Evaluasi performa model dilakukan menggunakan metrik akurasi, presisi, recall, F1 score, dan false positive rate. Hasil menunjukkan bahwa model transformer memberikan kinerja terbaik dibandingkan model lain (CNN dan LSTM), dengan akurasi di atas 96% dan tingkat kesalahan deteksi yang rendah. Kesimpulannya, arsitektur transformer efektif dalam meningkatkan keandalan sistem deteksi dini serangan siber pada ekosistem IoT. Penelitian lanjutan disarankan mengintegrasikan model ini ke sistem edge computing dan menguji kinerjanya dalam skenario real time yang lebih kompleks
Sistem Pendukung Keputusan Pemilihan Bibit Jagung Unggulan Pada Desa Gumuk Rejo Menggunakan Metode (SAW) Azhari, Amalyanda; Priyangan, Donny Muda
Cerdika: Jurnal Ilmiah Indonesia Vol. 1 No. 5 (2021): CERDIKA: Jurnal Ilmiah Indonesia
Publisher : Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59141/cerdika.v1i5.478

Abstract

Corn Seed is a very popular commodity plant planted by farmers especially Indonesia because many people use this plant in addition to its many benefits it is also a food crop. Users usually have difficulty choosing Corn Seeds to be bought because of the many types of Corn Seeds, soil construction, and prices. So we need a decision support system that can help users determine the Corn Seed according to the desired alternatives and criteria. In this study, the method used is Simple Additive Weighting (SAW), providing information and assisting farmers in making decisions about the superior corn seedlings they will use. Corn seeds are very important for us because corn seeds are the main factor and determinant of the success of farmers in Gumuk Rejo village. In making the decision support system application selection of superior corn aunt uses the PHP programming language and uses the MySql database.
IMPLEMENTATION OF INFORMATION SYSTEM USING THE ANDROID-BASED K-MEANS CLUSTERING ALGORITHM TO DETERMINE GRADUATION SCORES AT SMK NEGERI 3 METRO azhari, amalyanda; Ratnasari, Mei; Sasmito, Angger; Saputra, Dian; Khan, Naqib Ullah
Asia Information System Journal Vol. 4 No. 2 (2025): Asia Information System Journal
Publisher : Universitas Islam Negeri Raden Intan Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042/5fn10c18

Abstract

This study proposes the implementation of the K-Means clustering algorithm to analyze and classify student graduation scores at SMK Negeri 3 Metro in order to support academic decision-making and improve information management. The dataset consists of academic records of students from grades X to XII, including theoretical scores, practical scores, attendance rates, and final achievement scores. Prior to clustering, the dataset is subjected to preprocessing procedures, including data cleaning, attribute transformation, and min-max normalization to ensure proportional scaling among variables. The clustering process is performed using RapidMiner and configured into three clusters representing categories of academic performance. The experimental results indicate that the K-Means algorithm effectively identifies structured patterns in the distribution of graduation scores, enabling the institution to map student achievement levels objectively. To operationalize the analytical results, the clustering model is integrated into a web/Android-based information system that facilitates real-time access to graduation information for teachers, administrators, and students. The implementation of the system contributes to improved efficiency in academic data management, faster information dissemination, and enhanced transparency in graduation scores. The findings demonstrate that the application of data mining techniques, particularly K-Means clustering, provides a reliable framework for academic analytics and decision support in educational information systems, with potential scalability for broader institutional adoption.
Co-Authors Fransiska, Hera Intan Oktaria Khan, Naqib Ullah Priyangan, Donny Muda Ratnasari, Mei Sasmito, Angger