Article Per Year (5 Year)
p-Index From 2021 - 2026
5.788
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Jurnal ULTIMATICS Jurnal Sistem Komputer dan Informatika (JSON) Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Jurnal Penelitian, Pendidikan dan Pengajaran: JPPP Ar-Rasyid: Jurnal Pendidikan Agama Islam Educenter: Jurnal Ilmiah Pendidikan sudo Jurnal Teknik Informatika Hello World Journal of General Education and Humanities Blend Sains Jurnal Teknik Factory Jurnal Industri, Manajemen dan Rekayasa Sistem Industri Jurnal Sains Student Research Jurnal Ilmu Komputer dan Sistem Informasi Hanif Journal of Information Systems EDUCENTER JURNAL PENDIDIKAN Portal Riset dan Inovasi Sistem Perangkat Lunak Tsabit Jurnal Informatika Dan Tekonologi Komputer
Mhd. Basri
Universitas Muhammadiyah Sumatera Utara
Religion Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Other

Published : 46 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 46 Documents
Search

 1   2   3   4   5 
Klasifikasi Kerusakan (Cacat) pada Biji Kopi Arabika Menggunakan Algoritma KNN (K-Nearest Neighbor) Hasibuan, Wilda Rina; Sari, Indah Purnama; Basri, Mhd
Blend Sains Jurnal Teknik Vol. 3 No. 4 (2025): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v3i4.781

Abstract

Penelitian ini mengkaji klasifikasi cacat pada biji kopi Arabika menggunakan metode K-Nearest Neighbor (KNN) di Koperasi Usaha Tani Gayo, Aceh Tengah. Kopi Arabika, dengan nilai ekonomis tinggi, sering kali dinilai secara subyektif oleh petani menggunakan indra manusia, yang kurang efektif. Oleh karena itu, penelitian ini menggunakan metode KNN untuk meningkatkan akurasi klasifikasi cacat biji kopi. Metode KNN, yang merupakan algoritma supervised, mengklasifikasikan objek berdasarkan kategori tetangga terdekatnya. Penelitian ini menggunakan citra digital berwarna yang diolah dengan web-tools Teachable Machine dan dataset MNIST. Dataset ini dibagi menjadi tiga bagian: pelatihan, validasi, dan pengujian. Gambar cacat biji kopi diklasifikasikan ke dalam 16 kelas, seperti Full Sour Bean, Full Black Bean, dan lainnya. Evaluasi menunjukkan bahwa model KNN memiliki akurasi tinggi dalam klasifikasi cacat biji kopi, meskipun membutuhkan waktu komputasi yang signifikan. Hasil penelitian diimplementasikan dalam aplikasi mobile berbasis Flutter dan bahasa pemrograman Dart, yang mempermudah proses klasifikasi cacat biji kopi Arabika di Koperasi Tani Gayo, meningkatkan kualitas dan efisiensi penentuan biji kopi.
A Comparative Study : Predicting Customer Churn in Banking Using Logistic Regression & Random Forest Basri, Mhd.
ULTIMATICS Vol 17 No 1 (2025): Ultimatics : Jurnal Teknik Informatika
Publisher : Faculty of Engineering and Informatics, Universitas Multimedia Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31937/ti.v17i1.4075

Abstract

This research explores the prediction of bank customer churn using machine learning techniques. The dataset used includes various customer features such as demographics, transaction history, and interactions with the bank. After performing exploratory data analysis (EDA) and pre-processing, two machine learning models were applied: Logistic Regression and Random Forest. The EDA results showed that factors such as number of transactions, total transaction value, and credit utilization rate were correlated with the likelihood of churn. Pre-processing included handling categorical data, removing irrelevant features, and dividing the data into training and testing sets. The Logistic Regression model achieved 84% accuracy on training data and 83.9% on testing data, but showed poor performance in terms of recall and F1-score for the "Attracted Customer” class. In contrast, the Random Forest model showed excellent performance with 100% accuracy on both datasets, as well as perfect precision, recall, and F1-score values for both classes. In conclusion, the Random Forest model was selected as the best model to predict bank customer churn. These findings can help banks identify customers at risk of churn and develop effective retention strategies.
Implementasi Sistem Aplikasi Pengolahan Teks pada Gambar Menggunakan Modifikasi Metode LSB dan ROT13 Sari, Indah Purnama; Basri, Mhd.; Syafrayani, Putri Rizki
Hello World Jurnal Ilmu Komputer Vol. 4 No. 2 (2025): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/helloworld.v4i2.751

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi yang dapat menyembunyikan pesan teks dalam gambar dengan menggunakan teknik steganografi. Metode yang digunakan dalam penelitian ini adalah Least Significant Bit (LSB) untuk menyisipkan pesan ke dalam piksel gambar, serta metode ROT13 untuk mengenkripsi pesan sebelum disisipkan. Dengan menggunakan kedua metode ini, diharapkan pesan yang disembunyikan dapat terlindungi dari pihak yang tidak berwenang. Hasil dari penelitian ini menunjukkan bahwa aplikasi yang dikembangkan mampu menyimpan dan mengambil pesan dengan baik, serta memberikan tingkat keamanan yang lebih tinggi terhadap informasi yang disimpan. Penelitian ini diharapkan dapat memberikan kontribusi dalam bidang kriptografi dan steganografi, serta menjadi referensi bagi penelitian selanjutnya.
Perancangan Sistem Keamanan untuk Deteksi Pencurian Menggunakan Sensor Magnetic dan RFID Berbasis Internet of Things Syahri, Alfi; Basri, Mhd.
Hello World Jurnal Ilmu Komputer Vol. 4 No. 3 (2025): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/helloworld.v4i3.1166

Abstract

Kasus pencurian rumah dan barang berharga yang masih sering terjadi menunjukkan perlunya sistem keamanan yang lebih efektif. Penelitian ini bertujuan merancang dan mengimplementasikan sistem keamanan berbasis Internet of Things (IoT) yang mampu mendeteksi aksi pencurian secara real-time. Sistem ini menggunakan NodeMCU ESP8266 sebagai mikrokontroler utama, dikombinasikan dengan sensor magnetic untuk mendeteksi pembukaan pintu secara tidak sah, serta modul RFID untuk mengontrol akses masuk melalui identifikasi tag yang valid. Ketika terdeteksi adanya indikasi pencurian, notifikasi peringatan akan dikirimkan secara instan ke perangkat Android pengguna melalui aplikasi Blynk. Hasil pengujian menunjukkan bahwa sistem ini mampu memberikan peringatan dini dan kontrol akses yang aman, secara signifikan meningkatkan efektivitas perlindungan terhadap tindak pencurian. Dengan memanfaatkan teknologi IoT, sensor magnetic, dan RFID, sistem ini diharapkan dapat menjadi solusi inovatif untuk keamanan rumah yang responsif dan efisien.
Sistem Monitoring dan Pendukung Keputusan Kondisi Kesehatan Pasien Menggunakan Integrasi Sensor Tanda Vital Berbasis IoT dengan Metode C4.5 Zein, Liza Azzahra; Basri, Mhd.
Hello World Jurnal Ilmu Komputer Vol. 4 No. 3 (2025): Edisi Oktober
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/helloworld.v4i3.1170

Abstract

Perkembangan teknologi Internet of Things (IoT) telah membuka peluang besar dalam pengembangan sistem monitoring kesehatan pasien secara real-time dengan integrasi sensor tanda vital. Penelitian ini bertujuan untuk mengembangkan sebuah sistem monitoring dan pendukung keputusan kondisi kesehatan pasien yang menggabungkan sensor tanda vital berbasis IoT dengan metode C4.5 sebagai algoritma pengambilan keputusan. Sistem ini dirancang untuk mengumpulkan data vital seperti detak jantung, tekanan darah, dan suhu tubuh secara otomatis melalui sensor yang terhubung ke mikrokontroler ESP32. Data yang diperoleh kemudian diproses menggunakan metode C4.5 untuk memberikan rekomendasi kondisi kesehatan pasien secara akurat dan cepat. Metodologi penelitian meliputi tahap perancangan sistem, pengembangan perangkat keras dan perangkat lunak, implementasi, serta pengujian secara bertahap. Pengujian dilakukan dengan menjalankan program pada perangkat keras yang telah disiapkan, melakukan interaksi pengguna melalui tombol input, dan menampilkan hasil pengukuran serta analisis pada layar LCD. Hasil pengujian menunjukkan bahwa sistem mampu beroperasi dengan stabil, memberikan data tanda vital secara real-time, dan menghasilkan keputusan yang sesuai dengan kondisi kesehatan pasien. Sistem ini juga memiliki antarmuka yang mudah digunakan sehingga memudahkan pengguna dalam melakukan monitoring dan pengambilan keputusan. Implementasi sistem menggunakan perangkat keras seperti ESP32, sensor MAX30102 untuk detak jantung dan oksigen darah, sensor MLX90614 untuk suhu tubuh, tensimeter untuk tekanan darah, push button sebagai input pengguna, dan LCD sebagai media tampilan. Perangkat lunak dikembangkan menggunakan lingkungan pemrograman yang mendukung integrasi IoT dan algoritma C4.5. Komunikasi data antara sensor dan mikrokontroler menggunakan port serial dan I2C yang dipilih karena keandalannya dalam transfer data secara real-time. Kesimpulan dari penelitian ini adalah sistem monitoring dan pendukung keputusan berbasis IoT dengan metode C4.5 yang dikembangkan dapat memberikan solusi efektif dalam memantau kondisi kesehatan pasien secara akurat dan efisien. Sistem ini diharapkan dapat menjadi referensi bagi pengembangan teknologi kesehatan berbasis IoT di masa depan dan memberikan manfaat nyata dalam dunia medis, khususnya dalam pemantauan pasien secara jarak jauh dan pengambilan keputusan klinis yang cepat dan tepat.
Decision Support System Memprediksi Kerusakan Handphone Berbasis Web Menggunakan Algoritma C4.5 di Pioneer Service Sihombing, Maissy Masitoh; Basri, Mhd
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.59719

Abstract

Sistem Pendukung Keputusan (SPK) digunakan untuk memprediksi kerusakan smartphone di Pioneer Service menggunakan Algoritma C4.5. Pioneer Service merupakan salah satu jasa layanan perbaikan handphone yang setiap harinya menerima berbagai macam keluhan kerusakan handphone. Masalah yang dihadapi oleh Pioneer Service adalah banyaknya faktor yang mempengaruhi kerusakan pada handphone dan waktu yang diperlukan untuk menentukan jenis kerusakan pada handphone tersebut. Kendala lainnya adalah ketika pelangga membutuhkan handphone kembali berfungsi dengan cepat. Permasalahan pada Pioneer Service dapat diselesaikan dengan membuat suatu Sistem Pendukung Keputusan berbasis web dengan menerapkan metode Algoritma C4.5. Aplikasi yang dirancang menggunakan Visual Studio Code dan MySQL sebagai database. Metodologi evaluasi yang digunakan dalam penelitian ini mlibatkan pengujian sistem terhadap dataset keluhan kerusakan handphone untuk mengukur akurasi prediksi. Hasil dari penelitian menunjukkan bahwa sistem pendukung keputusan yang dirancang dapat meningkatkan efisiensi layanan dan kepuasan pelanggan. Penerapan metode algoritma C4.5 telah berhasil meningkatkan akurasi prediksi kerusakan handphone. Penerapan praktis dari Sistem Pendukung Keputusan ini juga diperjelas dengan integrasi sistem dalam operasional Pioneer service, memastikan manfaatnya dalam meningkatkan efisiensi layanan dan kepuasan pelanggan secara konsisten.
Implementasi Metode Naive Bayes dan TOPSIS dalam Aplikasi Corporate E-Funding untuk Klasifikasi dan Prioritisasi Program Kegiatan Sosial Basri, Mhd.; Mahardika Abdi Prawira; Andi Zulherry
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66623

Abstract

Proses seleksi proposal Corporate Social Responsibility (CSR) saat ini masih dilakukan secara manual dan membutuhkan waktu yang cukup lama, sehingga kurang efisien bagi perusahaan maupun penyelenggara kegiatan sosial. Penelitian ini mengusulkan pendekatan baru dengan mengintegrasikan algoritma Naïve Bayes Classifier dan metode TOPSIS untuk mengotomatisasi sistem penilaian kelayakan proposal CSR. Kontribusi utama penelitian ini adalah pengembangan framework hibrid yang mampu melakukan klasifikasi awal menggunakan Naïve Bayes kemudian memberikan ranking prioritas melalui TOPSIS berdasarkan empat kriteria: Bobot Eksternal (BE), Penyajian Proposal (PP), Kelengkapan Proposal (KP), dan Manfaat Proposal (MP). Sistem diuji menggunakan 150 proposal dari berbagai kategori kegiatan sosial dengan pembagian 120 data training dan 30 data testing. Hasil evaluasi menunjukkan akurasi klasifikasi sebesar 87.5% dan nilai consistency ratio TOPSIS 0.08, mengindikasikan konsistensi penilaian yang baik. Pengujian terhadap dua kasus nyata menunjukkan bahwa proposal "Lomba Kreativitas Sampah" berhasil dikategorikan layak dengan skor TOPSIS 0.742, sedangkan "Indonesia Fashion Week 2016" dinyatakan tidak layak dengan skor 0.328. Sistem telah mencapai Technology Readiness Level (TRL) 6 dengan prototype yang terintegrasi dan divalidasi dalam lingkungan operasional. Implementasi sistem ini terbukti dapat mengurangi waktu proses seleksi dari rata-rata 14 hari menjadi 2 hari, memberikan kontribusi signifikan dalam efisiensi dan transparansi proses pengambilan keputusan CSR perusahaan.
Sistem Monitoring dan Estimasi Konsumsi Listrik untuk Rumah Tangga Berbasis IoT dengan Antarmuka React Basri, Mhd.; Anton Yudhana; Abdul Fadlil
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 2 (2025): Juli 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i2.66675

Abstract

Konsumsi energi listrik rumah tangga di Indonesia terus meningkat, mencapai 1.337 kWh per kapita pada 2023, naik 13,98% dari tahun sebelumnya. Penelitian ini mengembangkan sistem monitoring konsumsi listrik berbasis Internet of Things (IoT) menggunakan sensor PZEM-004T dan mikrokontroler ESP32, yang mampu mengukur tegangan, arus, daya aktif, dan energi kumulatif secara akurat. Backend dibangun dengan Node.js dan database real-time, sementara antarmuka frontend menggunakan React.js untuk menampilkan visualisasi data yang interaktif dan responsif. Dashboard menampilkan informasi penting seperti estimasi biaya (Rp14.673), konsumsi real-time (34,90W), konsumsi saat ini (10 kWh), konsumsi kumulatif (1450,500 kWh), serta pemantauan beban peralatan rumah tangga. Sistem menunjukkan status konsumsi “EFISIEN” dan berhasil meningkatkan kesadaran pengguna, terbukti dari pengurangan konsumsi energi rata-rata sebesar 16,8%. Akurasi sensor mencapai 98,5% untuk daya dan 97,2% untuk energi. Survei menunjukkan tingkat kepuasan pengguna sebesar 89,1%, dengan antarmuka dinilai mudah digunakan (4,4/5,0). Hasil penelitian membuktikan bahwa integrasi sensor PZEM dengan teknologi IoT dan React mampu menghasilkan solusi monitoring energi yang akurat, real-time, dan mendukung pengelolaan energi rumah tangga yang efisien dan berkelanjutan.
Smart Warning System Prototype DAM Barelvi, Ahmad; Basri, Mhd
Tsabit Journal of Computer Science Vol. 2 No. 1 (2025): June Edition
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/tsabit35

Abstract

This study designs a flood detection prototype by measuring water flow speed and water level using a flowmeter sensor, water level sensor, buzzer as a warning device, and ESP32 microcontroller as the controller. The research was conducted through a literature review, collecting data from journals, online articles, and statistics related to sensor technology and ESP32. This research aims to design, develop and test a prototype of an integrated smart early warning system for risk management and mitigation in dam areas. The system is designed to be able to detect potential hazards in real-time, such as sudden increases in water volume, extreme rainfall, potential landslides on dam slopes, or structural damage. Testing ensured that all components functioned as expected, with results demonstrating reliable system performance. This IoT prototype successfully monitored dam parameters in real- time, with an average delay of 42 ms, 84.3 ms, and 73.8 ms, no data packet loss (0%), and stable throughput at 92.6 Kbps, 83.8 Kbps, and 86.2 Kbps.
Pembelajaran Pemrograman berbasis Machine Learning sebagai Upaya Peningkatan Computational Thinking Sari, Indah Purnama; Zulherry, Andi; Basri, Mhd.; Hayani, Wirda
Jurnal Penelitian, Pendidikan dan Pengajaran: JPPP Vol 6, No 3 (2025)
Publisher : Universitas Muhammadiyah Sumatera Utara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30596/jppp.v6i3.28679

Abstract

Kemampuan computational thinking merupakan kompetensi esensial yang harus dimiliki oleh peserta didik dalam menghadapi perkembangan teknologi digital dan kecerdasan buatan. Namun, pembelajaran pemrograman konvensional masih berfokus pada sintaks dan prosedur, sehingga belum optimal dalam mengembangkan kemampuan berpikir komputasional secara menyeluruh. Penelitian ini bertujuan untuk menganalisis efektivitas pembelajaran pemrograman berbasis machine learning dalam meningkatkan kemampuan computational thinking. Metode penelitian yang digunakan adalah kuasi-eksperimen dengan desain pretest–posttest control group. Subjek penelitian terdiri atas mahasiswa program studi pendidikan komputer yang dibagi ke dalam kelas eksperimen dan kelas kontrol. Kelas eksperimen menerapkan pembelajaran pemrograman dengan pendekatan machine learning melalui pengenalan konsep data, pelatihan model, serta evaluasi hasil prediksi, sedangkan kelas kontrol menggunakan pembelajaran pemrograman konvensional. Instrumen penelitian berupa tes computational thinking yang mencakup aspek dekomposisi, pengenalan pola, abstraksi, dan perancangan algoritma. Hasil penelitian menunjukkan adanya peningkatan signifikan kemampuan computational thinking pada kelas eksperimen dibandingkan kelas kontrol. Temuan ini mengindikasikan bahwa integrasi machine learning dalam pembelajaran pemrograman mampu mendorong mahasiswa untuk berpikir analitis, logis, dan sistematis. Dengan demikian, pembelajaran pemrograman berbasis machine learning berpotensi menjadi strategi inovatif dalam pendidikan komputer untuk meningkatkan kualitas pembelajaran dan kesiapan peserta didik menghadapi era kecerdasan buatan.
Co-Authors Abdul Fadlil Akhun Ihsan Hia Al Hamidy Al Khowarizmi Andi Zulherry Andi Zulherry Andi Zulherry Andy Satria Anis Badriah Anton Yudhana Baehaqi Barelvi, Ahmad Defri Aldi Dicky Apdilah Dina Salsabila Edy Rahman Syahputra Farid Akbar Siregar Fatma Sari Hutagalung G. Gunawan Halim Maulana Hasibuan, Wilda Rina Hayani, Wirda Indah Purnama Sari Indah Purnama Sari Ismail Hanif Batubara Krisna Aditya Krisna Aditya Lutfi Basit M. Rizki Adhari Mahardika Abdi Prawira Manurung, Asrar Aspia Muhammad Ari Juanda Muhammad Gunawan Muhammad Iqbal Pradipta Muhammad Zulfahmi Khairullah Nurul Hakiki Lubis Ok Muhammad Rehansyah Putra rahayu, Intan dwi Ramadhani, Fanny Raushan Dhamir Rosaldi Alfarizi RR. Ella Evrita Hestiandari Salsabila Humairoh Sihombing, Maissy Masitoh Syafrayani, Putri Rizki Syahri, Alfi Wahyu Purnomo Yohanni Syahra Zaky Soleh Wirawan Zaky, Naufal Zein, Liza Azzahra