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 
Implementasi Content-Based Filtering dan Singular Value Decomposition untuk Rekomendasi Film Muhammad Iqbal Pradipta; Mhd. Basri
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 5 No. 3 (2026): September 2026
Publisher : LKP Unity Academy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70340/jirsi.v5i3.682

Abstract

The growth of online video catalogs creates information overload that makes it difficult for users to discover movies matching their preferences. This study develops and evaluates two movie recommender approaches: content-based filtering using TF-IDF and cosine similarity, and collaborative filtering using Singular Value Decomposition (SVD). The dataset includes 4,803 movies with production-credit records and 100,004 user-rating interactions. The research stages comprise data cleaning and integration, content representation, latent-factor modeling, a 75:25 train-test split, and evaluation using Precision and Root Mean Squared Error. The content-based experiment achieved a Precision of 0.70 based on genre overlap, while director- and actor-based recommendations obtained a precision of 1.00 because the ranking features were identical to the relevance criteria. The SVD model achieved an RMSE of 0.9007 and generated personalized recommendations from user-rating patterns. The study contributes an evaluation of two baselines with different objectives, an analysis of potential bias in precision measurement, and an emphasis on consistent movie identifiers across datasets. Content-based filtering is effective for retrieving movies with similar metadata, whereas SVD captures latent user preferences. However, the results of the two approaches must be interpreted using metrics appropriate to their respective objectives.  
Perancangan Aplikasi Monitoring Kehadiran Pegawai Menggunakan RFID Andi Zulherry; Indah Purnama Sari; Mhd. Basri
sudo Jurnal Teknik Informatika Vol. 4 No. 4 (2025): Edisi Desember
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v4i4.1571

Abstract

Kehadiran pegawai merupakan aspek penting dalam manajemen sumber daya manusia yang berpengaruh terhadap produktivitas dan kinerja organisasi. Sistem pencatatan kehadiran manual yang masih digunakan pada banyak instansi memiliki kelemahan seperti rentan terhadap manipulasi data, membutuhkan waktu lama dalam pengolahan, dan tingkat akurasi yang rendah. Penelitian ini bertujuan merancang aplikasi monitoring kehadiran pegawai berbasis teknologi Radio Frequency Identification (RFID) yang dapat meningkatkan efisiensi dan akurasi pencatatan kehadiran. Metode pengembangan sistem menggunakan pendekatan waterfall yang meliputi tahap analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem yang dirancang terdiri dari perangkat keras berupa RFID reader, kartu RFID sebagai identitas pegawai, dan perangkat lunak berbasis web untuk monitoring dan pelaporan. Hasil perancangan menunjukkan bahwa sistem dapat melakukan pencatatan kehadiran secara otomatis, real-time, dan akurat. Data kehadiran tersimpan dalam database yang dapat diakses oleh administrator untuk keperluan monitoring dan pembuatan laporan. Sistem ini diharapkan dapat membantu manajemen dalam pengambilan keputusan terkait kehadiran pegawai dan meningkatkan kedisiplinan pegawai melalui sistem monitoring yang lebih efektif dan transparan.
Analisis Perbandingan Algoritma XGBOOST dan BiLSTM Dalam Klasifikasi Sentimen Publik Terhadap Kebijakan Penempatan Dana Pemerintah di Bank Wahyu Purnomo; Mhd. Basri
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.v4i2.237

Abstract

Penempatan dana pemerintah di sektor perbankan merupakan salah satu kebijakan strategis yang bertujuan untuk menjaga stabilitas ekonomi dan meningkatkan likuiditas perbankan. Namun, kebijakan ini memunculkan beragam respons dari masyarakat yang tercermin dalam opini publik di media sosial. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Extreme Gradient Boosting (XGBoost) dan Bidirectional Long Short-Term Memory (BiLSTM) dalam melakukan klasifikasi sentimen publik terhadap kebijakan tersebut. Data yang digunakan berasal dari platform media sosial yang dikumpulkan melalui teknik scraping, kemudian melalui tahap preprocessing yang meliputi tokenisasi, normalisasi, dan penghapusan noise. Selanjutnya, fitur diekstraksi menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk XGBoost dan word embedding untuk BiLSTM. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model BiLSTM memiliki kemampuan yang lebih baik dalam menangkap konteks kalimat sehingga menghasilkan akurasi yang lebih tinggi dibandingkan XGBoost. Namun, XGBoost menunjukkan keunggulan dalam hal efisiensi komputasi dan waktu pelatihan. Penelitian ini memberikan kontribusi dalam pemilihan model klasifikasi sentimen yang optimal untuk analisis opini publik berbasis data teks, khususnya dalam konteks kebijakan ekonomi pemerintah.
Optimalisasi Alokasi Sumber Daya pada Arsitektur Private Cloud Menggunakan Algoritma Machine Learning Andi Zulherry; Indah Purnama Sari; Mhd. Basri; Yohanni Syahra
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

Private cloud computing telah menjadi solusi infrastruktur yang banyak diadopsi oleh organisasi untuk mengelola sumber daya komputasi secara mandiri dan aman. Namun, pengelolaan alokasi sumber daya seperti CPU, memori, disk, dan bandwidth jaringan pada lingkungan private cloud sering menghadapi tantangan berupa ketidakseimbangan beban kerja, yang dapat menyebabkan kondisi over-provisioning maupun under-provisioning pada virtual machine (VM). Penelitian ini mengusulkan pendekatan optimalisasi alokasi sumber daya berbasis algoritma machine learning untuk memprediksi kebutuhan resource secara dinamis berdasarkan pola penggunaan historis. Metode yang diterapkan meliputi pengumpulan data utilisasi resource dari dataset publik, praproses data, pelatihan model Random Forest Regression, serta evaluasi performa model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R2). Hasil eksperimen menunjukkan bahwa model mampu memprediksi Disk Write Throughput dengan rata-rata R2 sebesar 0,81 dan Network Transmitted dengan rata-rata R2 sebesar 0,46 lintas tiga VM yang diuji. Penelitian ini diharapkan dapat memberikan kontribusi praktis bagi pengelola infrastruktur private cloud dalam merancang sistem alokasi resource yang lebih adaptif dan efisien.
Deep Learning-Based Energy Consumption Optimization in Smart Home Systems An LSTM Approach with SHAP Interpretability Mhd. Basri; Krisna Aditya; Andi Zulherry
ULTIMATICS Vol 18 No 1 (2026): 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.v18i1.4691

Abstract

Accurate and easy-to-understand energy consumption forecasting is a prerequisite for effective demand-side management in smart home systems. This study proposes an integrated framework that combines a stacked Long Short-Term Memory (LSTM) network with SHapley Additive exPlanations (SHAP) for hourly residential energy forecasting and the extraction of optimization insights. The model was evaluated on the UCI Individual Household Electric Power Consumption (IHEPC) dataset—34,589 hourly observations resampled from over two million sensor records per minute—and tested against Stacked GRU, Vanilla RNN, and ARIMA(2,1,2). All deep learning models significantly outperformed ARIMA (R² = −0.1258, MAPE = 126.92%). The proposed LSTM model achieved MAE = 0.3208 kW, RMSE = 0.4568 kW, and R² = 0.5749, while Stacked GRU recorded the best aggregate metrics (MAE = 0.3090 kW, R² = 0.5801). SHAP analysis identified Global Intensity as the dominant predictor (mean |SHAP| = 0.00350), based on the electrophysical relationship P = V × I, followed by the 3-hour Rolling Mean and seasonal encoding. Further temporal attribution analysis revealed that predictive value is concentrated in the most recent input time steps, confirming that real-time current measurements are the most valuable input for HEMS implementation.
Implementasi Metode Deteksi Objek Pada Sistem Pagar Pintar Berbasis ESP32-CAM Dengan Fitur Akses Tamu Via OTP Akhun Ihsan Hia; Mhd. Basri
JOURNAL SAINS STUDENT RESEARCH Vol. 4 No. 5 (2026): Oktober: Jurnal Sains Student Research
Publisher : CV. KAMPUS AKADEMIK PUBLISING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61722/jssr.v4i5.12630

Abstract

Sistem keamanan konvensional pada pagar dan pintu perumahan maupun instansi masih memiliki kerentanan terhadap kelalaian manusia, kehilangan kunci, serta keterbatasan pemantauan jarak jauh. Penelitian ini bertujuan untuk merancang dan mengimplementasikan Smart Gate System berbasis Internet of Things (IoT) dan Computer Vision guna meningkatkan efisiensi, fleksibilitas, dan keandalan pengamanan gerbang. Metode yang digunakan meliputi ESP32-CAM dengan kamera OV2640 untuk menangkap citra secara real-time, algoritma YOLOv5 untuk mendeteksi objek manusia, serta metode Local Binary Pattern Histogram (LBPH) melalui OpenCV untuk pengenalan wajah. Sistem juga menerapkan Two-Factor Authentication (2FA) berupa One-Time Password (OTP) yang dikirim melalui Telegram Bot API sebagai verifikasi akses tamu. Seluruh proses monitoring, pencatatan aktivitas, dan verifikasi OTP dikendalikan melalui dashboard berbasis web menggunakan Streamlit. Hasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan deteksi manusia, pengenalan wajah, dan verifikasi OTP untuk mengendalikan aktuator berupa Relay 5V, Solenoid Door Lock, dan Motor Servo MG996R dalam proses pembukaan gerbang, sehingga dapat meningkatkan keamanan dan mengurangi risiko akses tidak sah.
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