Article Per Year (5 Year)
p-Index From 2021 - 2026
2.316
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) Hello World Journal of Artificial Intelligence and Engineering Applications (JAIEA) Tarbiyah bil Qalam : Jurnal Pendidikan Agama dan Sains Indonesian Journal of Multidisciplinary Scientific Studies Hanif Journal of Information Systems Portal Riset dan Inovasi Sistem Perangkat Lunak AQILA : Acceleration, Quantum, Information Technology and Algorithm Journal Tsabit
Al-Khowarizmi
Universitas Muhammadiyah Sumatera Utara
Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Library & Information Science Mathematics Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 17 Documents
Search

 1   2 
Analisis Sentimen Penjualan Thrifting Dengan Menggunakan Metode Naïve Bayes Doni AlFalahk Pasaribu; Al-Khowarizmi
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 2 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i2.202

Abstract

Perkembangan tren thrifting sebagai alternatif berbelanja pakaian bekas semakin meningkat seiring dengan meningkatnya kesadaran masyarakat akan gaya hidup ramah lingkungan dan hemat biaya. Penelitian ini bertujuan untuk menganalisis sentimen konsumen terhadap penjualan produk thrifting dengan menggunakan metode klasifikasi Naive Bayes. Data yang digunakan dalam penelitian ini berupa ulasan dan komentar dari platform penjualan thrifting online yang kemudian diproses melalui tahap preprocessing, seperti pembersihan data, tokenisasi, dan stemming. Metode Naive Bayes dipilih karena kemampuannya dalam mengklasifikasikan teks dengan akurasi yang baik serta kecepatan proses yang efisien. Hasil dari penelitian ini menunjukkan bahwa mayoritas sentimen konsumen terhadap penjualan thrifting bersifat positif, yang mengindikasikan penerimaan yang baik terhadap konsep berbelanja pakaian bekas. Analisis sentimen ini dapat menjadi dasar bagi pelaku usaha thrifting dalam mengambil strategi pemasaran yang lebih tepat sasaran dan meningkatkan kepuasan pelanggan.
ANALISIS SPASIAL PERTUMBUHAN PENDUDUK MENGGUNAKAN HOTSPOT ANALYSIS (GETIS-ORD GI*) BERBASIS GIS PADA KECAMATAN PAGAR MERBAU Selasih Sayufi; Al-Khowarizmi
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.241

Abstract

Pertumbuhan penduduk merupakan indikator penting dalam perencanaan pembangunan wilayah, terutama terkait kebutuhan infrastruktur dan pelayanan publik. Di Kecamatan Pagar Merbau, data kependudukan masih disajikan dalam bentuk tabel sehingga belum mampu menunjukkan pola distribusi spasial secara jelas. Penelitian ini bertujuan untuk menganalisis pola spasial pertumbuhan penduduk, mengidentifikasi wilayah hotspot dan coldspot menggunakan metode Getis-Ord Gi*, serta memvisualisasikan hasilnya melalui WebGIS. Metode yang digunakan adalah pendekatan kuantitatif berbasis Sistem Informasi Geografis (SIG) dengan data penduduk tingkat desa tahun 2023–2025. Hasil penelitian menunjukkan bahwa pertumbuhan penduduk tidak merata, dengan pola pengelompokan terlihat pada periode 2023–2024 namun melemah pada periode berikutnya. WebGIS mampu menyajikan hasil secara interaktif dan mendukung pemahaman spasial serta pengambilan keputusan.
ANALISIS GEOSPASIAL PERSEBARAN PERKEBUNAN KELAPA SAWIT DI KECAMATAN SAWIT SEBERANG MENGGUNAKAN ALGORITMA DBSCAN BERBASIS GIS Amanda Isnaini Putri; Al-Khowarizmi
Portal Riset dan Inovasi Sistem Perangkat Lunak Vol. 4 No. 3 (2026): Artikel Penelitian
Publisher : SoraTekno Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59696/prinsip.v4i3.242

Abstract

Perkebunan kelapa sawit merupakan salah satu sektor penting dalam perekonomian daerah, khususnya di Kabupaten Langkat. Kecamatan Sawit Seberang memiliki potensi perkebunan kelapa sawit yang cukup luas sehingga diperlukan analisis untuk mengetahui pola persebarannya. Penelitian ini bertujuan untuk menganalisis persebaran perkebunan kelapa sawit menggunakan metode Normalized Difference Vegetation Index (NDVI) dan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN) yang divisualisasikan melalui sistem WebGIS. Data yang digunakan berupa citra satelit Sentinel-2 dan data batas administrasi wilayah dari Badan Informasi Geospasial (BIG). Pengolahan data dilakukan menggunakan perangkat lunak QGIS untuk memperoleh nilai NDVI yang digunakan dalam mengidentifikasi tingkat kerapatan vegetasi. Hasil penelitian menunjukkan bahwa wilayah Kecamatan Sawit Seberang didominasi oleh vegetasi dengan kerapatan sedang hingga tinggi serta membentuk beberapa kelompok persebaran pada wilayah tertentu. Informasi tersebut kemudian disajikan dalam bentuk peta interaktif berbasis WebGIS.
Analisis Dan Implementasi Metode Genetic Fuzzy Systems Dalam Prediksi Tingkat Kunjungan Pasien Di Klinik Pratama Prima Melati Anita Riski Yusro Siregar; Al-Khowarizmi
Hello World Jurnal Ilmu Komputer Vol. 5 No. 2 (2026): Edisi Juli 2026
Publisher : Ilmu Bersama Center

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

Abstract

Prediksi jumlah kunjungan pasien merupakan salah satu elemen penting dalam mendukung efisiensi pelayanan dan perencanaan operasional di fasilitas kesehatan. Penelitian ini mengusulkan penerapan metode Genetic Fuzzy System (GFS) dalam membangun sistem prediksi tingkat kunjungan pasien bulanan di Klinik Pratama Prima Melati. GFS merupakan pendekatan hibrida yang menggabungkan kemampuan logika fuzzy dalam menangani ketidakpastian data dengan algoritma genetika untuk mengoptimalkan aturan fuzzy secara adaptif. Sistem dirancang dalam bentuk aplikasi web yang memudahkan pihak klinik dalam menginput data historis, melihat hasil prediksi, memantau kategori fuzzy, dan mengevaluasi performa prediksi setiap bulan. Model ini diuji terhadap data kunjungan pasien selama satu tahun dan menghasilkan prediksi yang cukup konsisten serta mendekati nilai aktual pada sebagian besar bulan. Meskipun hasil prediksi bersifat dinamis akibat proses evolusi genetika, sistem tetap menunjukkan kecenderungan yang stabil dalam memetakan pola historis kunjungan pasien. Dengan demikian, penerapan metode ini dinilai relevan dan potensial dalam membantu proses pengambilan keputusan berbasis data di lingkungan klinik.
Analisis Sentimen Efektivitas Pembelajaran Daring Menggunakan Hybrid Naive Bayes dan SVM Faried Prayugo Dwipa Putra; Al-Khowarizmi
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1120

Abstract

Pembelajaran daring berkembang pesat pascapandemi COVID-19, namun efektivitasnya masih menimbulkan pro dan kontra di kalangan masyarakat Indonesia, yang banyak diungkapkan melalui opini pada aplikasi X. Volume opini yang besar dan bersifat tidak terstruktur menyulitkan pemantauan kecenderungan sentimen publik secara manual sehingga diperlukan metode klasifikasi otomatis. Penelitian ini bertujuan menganalisis sentimen publik mengenai efektivitas pembelajaran daring di Indonesia menggunakan pendekatan hybrid Multinomial Naive Bayes dan Support Vector Machine (SVM) melalui mekanisme soft voting. Data penelitian berupa 2.655 tweet berbahasa Indonesia yang dikumpulkan melalui crawling dan dilabeli ke dalam tiga kelas sentimen, yaitu positif, netral, dan negatif, kemudian diproses melalui case folding, cleansing, penanganan negasi, stopword removal, stemming, dan pembobotan TF-IDF, lalu dibagi dengan proporsi 75:25 menggunakan stratifikasi kelas. Hasil pengujian menunjukkan model hybrid mencapai accuracy sebesar 76,05%, precision berbobot 69,54%, recall berbobot 76,05%, dan F1-score berbobot 72,10%, lebih tinggi dibandingkan model tunggal Naive Bayes (62,90%) dan SVM (70,43%). Meskipun demikian, model masih mengalami kesulitan mengenali kelas netral akibat ketidakseimbangan jumlah data antarkelas. Penelitian ini menyimpulkan bahwa pendekatan hybrid soft voting mampu meningkatkan performa klasifikasi sentimen secara keseluruhan, tetapi penanganan kelas minoritas masih memerlukan perbaikan lebih lanjut.
Sistem Informasi Geografis untuk Penentuan Kesesuaian Lahan Tanaman Kelapa Sawit di Desa Parhundalian Jawadipar Menggunakan Metode Analytic Hierarchy Process (AHP) Nia Subuheni; Al-Khowarizmi
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1127

Abstract

Kelapa sawit merupakan komoditas perkebunan strategis yang produktivitasnya sangat bergantung pada kesesuaian lahan tempat ia dibudidayakan. Di Desa Parhundalian Jawadipar, Kecamatan Hatonduhan, Kabupaten Simalungun, penentuan kesesuaian lahan untuk tanaman kelapa sawit masih dilakukan secara konvensional tanpa dukungan sistem informasi yang terkomputerisasi, sehingga rawan menghasilkan keputusan yang kurang objektif. Penelitian ini bertujuan membangun Sistem Informasi Geografis (SIG) berbasis web yang mengintegrasikan metode Analytic Hierarchy Process (AHP) untuk menentukan tingkat kesesuaian lahan tanaman kelapa sawit. Sistem dikembangkan menggunakan bahasa pemrograman PHP, basis data MySQL, serta visualisasi peta interaktif menggunakan Leaflet.js yang terintegrasi dengan OpenStreetMap. Penilaian kesesuaian lahan dilakukan berdasarkan lima kriteria, yaitu Kualitas Tanah, Topografi, Iklim, Ketersediaan Air, dan Aksesibilitas, yang masing-masing memiliki sub kriteria dan bobot yang dihitung melalui proses perbandingan berpasangan menggunakan Skala Saaty. Hasil pengujian menunjukkan nilai Consistency Ratio (CR) sebesar 0,0141 (CR < 0,1), yang berarti matriks perbandingan kriteria dinyatakan konsisten. Pada lahan sampel uji, sistem menghasilkan skor akhir AHP sebesar 0,9015 dengan kategori "Sangat Sesuai" untuk budidaya kelapa sawit. Pengujian sistem menggunakan metode Black Box Testing menunjukkan bahwa seluruh fungsi sistem, mulai dari login, pengelolaan data kriteria dan lahan, perhitungan AHP, hingga penyajian peta interaktif dan rekomendasi, telah berjalan sesuai kebutuhan fungsional. Sistem ini diharapkan dapat menjadi alat bantu pengambilan keputusan bagi petani dan pemangku kepentingan dalam menentukan lahan yang layak untuk budidaya kelapa sawit secara lebih objektif, terukur, dan efisien.
Klasifikasi Tingkat Risiko Kardiovaskular Berbasis Pola Aktivitas Harian Menggunakan Random Forest Abdul Hadi Al Hakim; Al-Khowarizmi
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1132

Abstract

Penyakit kardiovaskular merupakan penyebab kematian utama di dunia, sementara pemantauan mandiri yang non-invasif masih terbatas. Penelitian ini bertujuan membangun model klasifikasi tingkat risiko kardiovaskular (rendah, sedang, tinggi) berbasis pola aktivitas harian dan indikator kesehatan menggunakan algoritma Random Forest, serta mengimplementasikannya pada purwarupa sistem berbasis web. Data sekunder bersumber dari dataset Sleep Health and Lifestyle di Kaggle sebanyak 940 data mentah, dengan enam variabel masukan: tekanan darah, kategori indeks massa tubuh, detak jantung, tingkat stres, durasi dan gangguan tidur, serta jumlah langkah harian. Label risiko dibentuk dengan aturan ambang indikator kesehatan karena dataset tidak memiliki label risiko. Pra-pemrosesan meliputi pembersihan data, transformasi, standardisasi, dan penyeimbangan kelas dengan SMOTE pada data latih, menghasilkan 507 data bersih yang dibagi dengan rasio 80:20. Model dengan 100 pohon keputusan dievaluasi menggunakan confusion matrix. Hasil menunjukkan akurasi 99,77% dengan satu kesalahan klasifikasi pada data uji, serta F1-score rata-rata makro 99,80%. Karena label diturunkan dari variabel yang sama dengan fitur model, capaian ini mencerminkan kemampuan model mereplikasi aturan pelabelan dan belum merupakan bukti kemampuan prediksi klinis. Sistem web yang dikembangkan menyediakan formulir masukan, visualisasi hasil, grafik kepentingan fitur, dan riwayat pemeriksaan. Penelitian lanjutan memerlukan data berlabel diagnosis klinis dan validasi eksternal.
Co-Authors Abdul Hadi Al Hakim Amanda Isnaini Putri Andi Zulherry Anita Riski Yusro Siregar Dicky Apdilah Doni AlFalahk Pasaribu Faried Prayugo Dwipa Putra Fitra Affandi Hasibuan Ibnu Pribudianto Indah Purnama Sari M Rayyan Al Fariz Prasetya M.Rafi Mirza Rian Arief Lubis Moh Hafiz Naufal Nia Subuheni Oris Krianto Sulaiman Riza Salma Selasih Sayufi Setyo Harry Nugroho