Article Per Year (5 Year)
p-Index From 2021 - 2026
1.908
P-Index
This Author published in this journals
All Journal InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Journal of Computer Networks, Architecture and High Performance Computing Jurnal Nasional Teknologi Komputer Deli Sains Informatika Hanif Journal of Information Systems Jurnal Pengabdian Masyarakat Multi Disiplin Ilmu Pengabdian Deli Sumatera
Aulia Ichsan
Universitas Deli Sumatera
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Library & Information Science Social Sciences

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
PEROLEHAN OPTIMASI NILAI ICMP BERSTANDART (TIPHON) MENGGUNAKAN METODE QUEUE TREE DAN PCC Aulia Ichsan
Deli Sains Informatika Vol. 2 No. 1 (2022): Artikel Riset Desember 2022
Publisher : LPPM Universitas Deli Sumatera

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

Abstract

Dalam sebuah jaringan internet terdapat kualitas layanan yang diberikan kepada penggunanya. Dari berbagai layanan yang diberikan ada yang baik ada pula yang tidak. Tidak sedikit dalam sebuah jaringan internet banyak pengguna yang mengeluh dengan memperoleh nilai bandwidth yang lemah, saling tumpang tindih dan banyak lagi. Sehingga pengguna jaringan internet tidak merasa kenyamanan bandwidth yang baik Hal ini merupakan dampak yang seharusnya di minimalisir, untuk meminimalisir hal tersebut dibutuhkan suatu metode tertentu, metode yang digunakan adalah mengkombinasikan metode queue tree dan per connection queue (PCQ) metode ini menghasilkan layanan internet lebih komleks, terstruktur, sama rata dan stabil. Disamping itu nilai yang diperoleh dalam pengujian pada skripsi ini adalah nilai dari ICMP (Internet Control Message Protocol) dan memenuhi standart TIPHON (Telecommunications and Internet Protocol Harmonization Over Networks) baik troughput, delay, jitter dan packet loss. Pengujian yang dilakukan merupakan hasil dari virtual mandiri mengunakan router mikrotik dan beberapa fakultas di lingkungan UISU. Kata kunci: Layanan internet, parameter uji ICMP, TIPHON
Android-Based Practical Work Student Registration Form Application System Design Aulia Ichsan; Mhd. Zulfansyuri Siambaton; Khairuddin Nasution
Hanif Journal of Information Systems Vol. 1 No. 1 (2023): August Edition
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/hanif.v1i1.4

Abstract

This system is designed to improve the efficiency of the attendance process through the use of information technology. The system allows students to register for attendance online through an android-based mobile application. Implementation involves developing an application with registration and attendance recording features, as well as student data management. Evaluation involves user feedback to improve performance and functionality. The support of PT PLN (Persero) is very important in the implementation of this system. The hope is that this online attendance system can improve the efficiency, accuracy, and reliability of the attendance process for practical work students at PT PLN (Persero) and provide guidance for other organizations in utilizing information technology.
Enhancing Multi-Layer Perceptron Performance with K-Means Clustering Doughlas Pardede; Aulia Ichsan; Sugeng Riyadi
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 1 (2024): Article Research Volume 6 Issue 1, January 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i1.3600

Abstract

Machine learning plays a crucial role in identifying patterns within data, with classification being a prominent application. This study investigates the use of Multilayer Perceptron (MLP) classification models and explores preprocessing techniques, particularly K-Means clustering, to enhance model performance. Overfitting, a common challenge in MLP models, is addressed through the application of K-Means clustering to streamline data preparation and improve classification accuracy. The study begins with an overview of overfitting in MLP models, highlighting the significance of mitigating this issue. Various techniques for addressing overfitting are reviewed, including regularization, dropout, early stopping, data augmentation, and ensemble methods. Additionally, the complementary role of K-Means clustering in enhancing model performance is emphasized. Preprocessing using K-Means clustering aims to reduce data complexity and prevent overfitting in MLP models. Three datasets - Iris, Wine, and Breast Cancer Wisconsin - are employed to evaluate the performance of K-Means as a preprocessing technique. Results from cross-validation demonstrate significant improvements in accuracy, precision, recall, and F1 scores when employing K-Means clustering compared to models without preprocessing. The findings highlight the efficacy of K-Means clustering in enhancing the discriminative power of MLP classification models by organizing data into clusters based on similarity. These results have practical implications, underlining the importance of appropriate preprocessing techniques in improving classification performance. Future research could explore additional preprocessing methods and their impact on classification accuracy across diverse datasets, advancing the field of machine learning and its applications
Analysis of Logistic Regression Regularization in Wild Elephant Classification with VGG-16 Feature Extraction Aulia Ichsan; Sugeng Riyadi; Doughlas Pardede
Journal of Computer Networks, Architecture and High Performance Computing Vol. 6 No. 2 (2024): Articles Research Volume 6 Issue 2, April 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v6i2.3789

Abstract

The research article explores the intersection of image-based wildlife classification and logistic regression regularization, focusing on the classification of wild elephant species. It begins by highlighting the significance of ecological research in biodiversity monitoring and conservation and introduces Convolutional Neural Networks (CNNs) as potent tools for feature extraction from images. The VGG-16 model is particularly emphasized for its ability to capture hierarchical representations of visual features crucial for classification tasks. The integration of VGG-16 feature extraction with logistic regression regularization is proposed as a compelling approach, offering a balance between sophisticated feature representation and efficient classification algorithms. The literature review delves into image-based wildlife classification, emphasizing the role of CNNs, especially VGG-16, in extracting discriminative features. It discusses the fusion of VGG-16 features with logistic regression and the challenges in this field, such as dataset annotation and environmental variability. The method section outlines the dataset acquisition, feature extraction using the VGG-16 architecture, and model configuration using logistic regression with lasso and ridge regularization. The process of finding the optimal regularization parameter (lambda) and model evaluation through cross-validation is detailed. Results showcase the optimal lambda values for lasso and ridge regularization and compare the performance of logistic lasso and logistic ridge models. Misclassification analysis reveals factors influencing classification accuracy, including feature variability and contextual complexity. The discussion reflects on the implications of the findings, emphasizing the importance of lambda selection and addressing challenges in wildlife classification. It suggests avenues for further research, such as advanced modeling techniques and feature engineering approaches. In conclusion, the study contributes to advancing wildlife classification efforts by leveraging state-of-the-art techniques and sheds light on opportunities to enhance classification accuracy in wildlife conservation.
DIGITALISASI PAGUYUBAN WARGI SUNDA SUMATERA UTARA: IMPLEMENTASI WEBSITE DAN DATABASE Aulia Ichsan; Irwan Daniel; Doughlas Pardede; Sugeng Riyadi
Pengabdian Deli Sumatera Vol 4 No 1 (2025): Artikel Pengabdian Juli 2025
Publisher : LLPM Universitas Deli Sumatera

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

Abstract

Paguyuban Wargi Sunda Sumatera Utara (PWS Sumut) merupakan organisasi kultural yang menjadi wadah bagi masyarakat Sunda di Sumatera Utara untuk melestarikan identitas budaya, mempererat ikatan sosial, serta menguatkan peran aktif komunitas dalam kehidupan berbangsa dan bernegara. Namun dalam era digitalisasi informasi yang terus berkembang pesat, organisasi ini menghadapi tantangan serius berupa keterbatasan sistem dokumentasi, pengelolaan data anggota yang belum terstruktur secara digital, minimnya kehadiran online yang dapat menjangkau komunitas lebih luas, serta rendahnya efisiensi komunikasi dan koordinasi antar pengurus dan anggota yang tersebar di berbagai wilayah Sumatera Utara. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk melaksanakan digitalisasi menyeluruh bagi PWS Sumut melalui pembangunan website organisasi berbasis Content Management System (CMS) dan implementasi sistem database keanggotaan yang terintegrasi. Kegiatan dilaksanakan pada Sabtu, 18 Januari 2025 di Convention Hall Gedung Perpustakaan Universitas Medan Area (UMA), dalam rangkaian Seminar Nasional Kebangsaan bertema Penerapan Falsafah Sunda Dalam Ketahanan Sosial Budaya Nasional Di Era Digitalisasi Informasi. Metode pelaksanaan meliputi pelatihan teknis, demonstrasi langsung, dan pendampingan implementasi sistem. Hasil kegiatan menunjukkan bahwa PWS Sumut berhasil memiliki website resmi yang memuat profil organisasi, agenda kegiatan, berita, galeri, serta database keanggotaan yang dapat dikelola secara digital oleh pengurus. Lebih dari 87,5% peserta pelatihan menyatakan mampu mengoperasikan sistem secara mandiri, dan lebih dari 91,7% menyatakan puas terhadap keseluruhan kegiatan. Digitalisasi ini diharapkan meningkatkan efektivitas komunikasi organisasi, memperluas jangkauan komunitas Sunda di Sumatera Utara, dan mendukung pelestarian nilai budaya Sunda di era digital.
Penerapan Algoritma Boyer-Moore pada Aplikasi Glosarium Kesehatan Shelya Amanda; Doughlas Pardede; Aulia Ichsan
InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Vol 10, No 1 (2025): InfoTekJar September
Publisher : Universitas Islam Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30743/infotekjar.v10i1.12886

Abstract

Pencarian istilah medis dalam glosarium kesehatan merupakan kebutuhan penting bagi mahasiswa, tenaga medis, dan masyarakat umum untuk memahami terminologi kesehatan. Namun, proses pencarian yang kurang efisien dapat memperlambat akses informasi. Penelitian ini membahas penerapan algoritma Boyer-Moore dalam aplikasi glosarium kesehatan guna meningkatkan efisiensi pencarian istilah medis. Metode penelitian meliputi studi literatur, analisis kebutuhan, perancangan sistem, implementasi, serta pengujian performa pencarian. Hasil implementasi menunjukkan bahwa algoritma Boyer-Moore lebih cepat dibandingkan metode pencarian sederhana (naïve search), dengan pengurangan jumlah perbandingan karakter dan waktu eksekusi hingga 50% pada dataset uji berisi 1000 istilah medis. Kesimpulan dari penelitian ini adalah bahwa algoritma Boyer-Moore efektif digunakan dalam aplikasi glosarium kesehatan karena mampu mempercepat proses pencarian istilah medis dan meningkatkan pengalaman pengguna.
Optimalisasi Media Promosi Sekolah Melalui Pelatihan Desain Grafis Dan Video Editing Di SMP Swasta Rusyda Medan Rahmatika Hizria; Aulia Ichsan; Ericky Benna Perolihin Manurung; Said Hambali Takhir; Victor Saputra Ginting
Jurnal Pengabdian Masyarakat Disiplin Ilmu Vol. 4 No. 1 (2026): Jurnal Pengabdian Masyarakat Multi Disiplin Ilmu
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/jpmasdi.v4i1.7926

Abstract

Latar belakang: Perkembangan teknologi digital telah mengubah cara sekolah dalam mempromosikan institusinya. Media promosi yang menarik dan profesional menjadi kebutuhan esensial untuk meningkatkan daya tarik sekolah di mata calon siswa dan orang tua. SMP Swasta RUSYDA Medan membutuhkan peningkatan kapasitas dalam mengoptimalkan media promosi sekolah melalui desain grafis dan video editing yang modern dan efektif. Metode pengabdian: Kegiatan pengabdian dilaksanakan melalui workshop intensif dengan pendekatan praktis menggunakan platform Canva untuk desain grafis dan CapCut untuk video editing. Metode pelatihan mencakup ceramah, demonstrasi langsung, praktik mandiri, dan pendampingan. Peserta terdiri dari 25 orang guru dan staf SMP Swasta RUSYDA Medan. Hasil pengabdian: Kegiatan ini berhasil meningkatkan rata-rata kompetensi peserta dari 8% menjadi 83%. Peserta berhasil memproduksi total 90 konten promosi, yang terdiri dari 60 konten desain grafis dan 30 konten video. Dampak dari kegiatan ini terlihat pada peningkatan engagement rate media sosial sekolah sebesar 45% dan kenaikan inquiry calon siswa baru sebesar 28% dalam satu bulan setelah pelatihan.
Strategi Digital Branding melalui Pengoptimalan Media Sosial untuk Meningkatkan Citra Positif Sekolah Rahmatika Hizria; Aulia Ichsan; Said Hambali Takhir; Victor Saputra Ginting
Jurnal Pengabdian Masyarakat Disiplin Ilmu Vol. 4 No. 2 (2026): Jurnal Pengabdian Masyarakat Multi Disiplin Ilmu
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

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

Abstract

Citra positif sekolah menjadi salah satu faktor penting dalam menarik minat masyarakat, khususnya orang tua, untuk mempercayakan pendidikan anak pada suatu lembaga. Di era digital, media sosial berperan besar dalam membentuk persepsi publik, namun banyak sekolah, termasuk SD IT Amrullah Akbar, belum memanfaatkan media sosial secara optimal sebagai sarana digital branding. Guru dan tenaga kependidikan pada umumnya masih memiliki pemahaman terbatas mengenai strategi pengelolaan konten dan promosi digital yang efektif, sehingga potensi media sosial sebagai sarana membangun citra sekolah belum tergarap dengan baik. Kegiatan pengabdian dilaksanakan dalam bentuk workshop tatap muka dengan tahapan survei awal, penyusunan materi, pelaksanaan pelatihan, praktik langsung pembuatan konten, serta pendampingan dan evaluasi. Workshop diselenggarakan oleh tim dosen dan mahasiswa Program Studi Sistem Informasi Universitas Deli Sumatera bagi guru dan staf SD IT Amrullah Akbar, dengan metode ceramah, demonstrasi, dan praktik langsung pengelolaan akun media sosial sekolah Peserta menunjukkan peningkatan pemahaman mengenai konsep digital branding, teknik fotografi dan videografi sederhana untuk konten sekolah, penulisan caption yang menarik, serta strategi pengelolaan jadwal unggahan pada platform Instagram dan Facebook. Peserta juga mampu menyusun rencana konten (content plan) sederhana untuk mendukung citra positif sekolah secara berkelanjutan. Workshop digital branding melalui pengoptimalan media sosial terbukti efektif meningkatkan kompetensi guru dalam mengelola citra sekolah secara daring dan dapat dijadikan model kegiatan berkelanjutan bagi sekolah lain
Analisis Dampak Pinjaman Online Terhadap Beban Hidup Masyarakat Menggunakan Metode Random Forest Grace Elita Zendrato; Aulia Ichsan; Raja Nasrul Fuad
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.494

Abstract

Pinjaman online telah menjadi salah satu layanan keuangan digital yang banyak digunakan oleh masyarakat karena proses pengajuannya yang mudah dan pencairan dana yang cepat. Namun, penggunaan pinjaman online yang berlebihan dapat meningkatkan beban hidup serta berdampak pada kondisi ekonomi masyarakat. Penelitian ini bertujuan untuk menganalisis dampak penggunaan pinjaman online terhadap beban hidup masyarakat menggunakan algoritma Random Forest. Data primer diperoleh melalui penyebaran kuesioner berbasis skala Likert lima poin kepada 106 responden yang pernah menggunakan layanan pinjaman online. Data yang terkumpul diolah dan dianalisis menggunakan Orange Data Mining. Evaluasi model dilakukan menggunakan metode 10-Fold Cross Validation dengan metrik Accuracy, Precision, Recall, F1-Score, Area Under the Curve (AUC), Matthews Correlation Coefficient (MCC), dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model Random Forest memperoleh nilai Accuracy sebesar 71,7%, Precision sebesar 67,0%, Recall sebesar 71,7%, F1-Score sebesar 67,9%, AUC sebesar 0,769, dan MCC sebesar 0,441. Hasil Confusion Matrix menunjukkan bahwa model memiliki kemampuan yang baik dalam mengklasifikasikan responden dengan tingkat beban hidup tinggi, meskipun masih terdapat beberapa kesalahan klasifikasi pada kategori rendah dan sedang. Hasil penelitian menunjukkan bahwa algoritma Random Forest efektif digunakan untuk mengklasifikasikan tingkat beban hidup masyarakat berdasarkan penggunaan pinjaman online serta dapat mendukung pengambilan keputusan dalam analisis perilaku keuangan digital. Kata Kunci: Pinjaman Online, Beban Hidup, Random Forest, Machine Learning, Orange Data Mining.
Pemanfaatan Metode SVM dalam klasifikasi kualitas Jamur Tiram berdasaran Citra Digital Daniel Zalukhu; Aulia Ichsan; Sugeng Riyadi
Jurnal Nasional Teknologi Komputer Vol 6 No 3 (2026): Juli 2026
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61306/jnastek.v6i3.498

Abstract

Jamur tiram merupakan salah satu komoditas hortikultura yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Penentuan kualitas jamur tiram umumnya masih dilakukan secara manual melalui pengamatan visual, sehingga rentan terhadap subjektivitas dan ketidakkonsistenan hasil. Penelitian ini bertujuan untuk menerapkan metode Support Vector Machine (SVM) dalam mengklasifikasikan kualitas jamur tiram berdasarkan citra digital. Dataset penelitian berupa citra jamur tiram yang dikelompokkan ke dalam dua kelas, yaitu jamur berkualitas baik dan jamur berkualitas buruk. Proses penelitian dilakukan menggunakan aplikasi Orange Data Mining, dimulai dari impor citra menggunakan widget Import Images, ekstraksi fitur menggunakan Image Embedding berbasis Convolutional Neural Network (CNN) pralatih, kemudian dilanjutkan dengan proses klasifikasi menggunakan algoritma Support Vector Machine (SVM). Evaluasi model dilakukan menggunakan metode 10-fold Cross Validation melalui widget Test & Score, dengan parameter pengujian meliputi Accuracy, Precision, Recall, dan F1-Score, serta analisis hasil klasifikasi menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan kualitas jamur tiram berdasarkan fitur citra digital dengan tingkat kinerja yang baik. Pemanfaatan Image Embedding menghasilkan representasi fitur yang efektif sehingga meningkatkan kemampuan SVM dalam membedakan kualitas jamur tiram. Kata kunci: Support Vector Machine, Klasifikasi Citra, Jamur Tiram, Orange Data Mining, Image Embedding.
Co-Authors Daniel Zalukhu Doughlas Pardede Ericky Benna Perolihin Manurung Grace Elita Zendrato Irvan Maulana Irwan Daniel Mhd Zulfansyuri Siambaton Rahmatika Hizria Raja Nasrul Fuad Said Hambali Takhir Shelya Amanda Sugeng Riyadi Sugeng Riyadi Victor Saputra Ginting