Article Per Year (5 Year)
p-Index From 2021 - 2026
1.084
P-Index
This Author published in this journals
All Journal Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika ARRUS Jurnal Pengabdian Kepada Masyarakat Journal of Progressive Information, Security, Computer and Embedded System Jurnal Hasil-Hasil Pengabdian dan Pemberdayaan Masyarakat (JHP2M) Journal of Mathematics, Statistics, and Applications Journal of Community Services and Development
Khawaritzmi Abdallah Ahmad
Universitas Negeri Makassar
Humanities Computer Science & IT Education Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Persepsi Peserta Didik terhadap Proses Pembelajaran Matematika di SMK SMTI Makassar Ahmad Talib; Ahmad Zaki; Norma Nasir; Khawaritzmi Abdallah Ahmad; Khuzaimah Nur Anisa
Journal of Community Services and Development Vol. 2 No. 1 (2026): May 2026
Publisher : LPP Chani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64619/v2i1.30

Abstract

Praktik Pengalaman Lapangan (PPL) merupakan kegiatan penting dalam pembentukan profesionalisme calon guru, karena memberikan kesempatan bagi mahasiswa untuk menerapkan teori pembelajaran secara langsung di kelas. Penelitian ini bertujuan untuk mendeskripsikan persepsi peserta didik terhadap proses pembelajaran matematika yang dilaksanakan oleh mahasiswa PPL di SMK SMTI Makassar. Penelitian menggunakan pendekatan kualitatif dengan teknik pengumpulan data melalui angket, observasi, dan dokumentasi. Analisis data dilakukan melalui reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa mahasiswa PPL memperoleh respons positif dari peserta didik pada berbagai aspek, seperti kejelasan penyampaian materi, relevansi contoh dan tugas, sikap profesional, interaksi kelas, serta kemampuan memotivasi siswa. Secara keseluruhan, pembelajaran matematika yang dilaksanakan mahasiswa PPL dinilai menyenangkan, jelas, dan membantu siswa memahami materi dengan baik. Temuan ini diharapkan dapat menjadi masukan bagi peningkatan kualitas pelaksanaan PPL serta pengembangan kompetensi calon guru.
Penguatan Kompetensi Machine Learning Mahasiswa S2 Data Science melalui Pelatihan Python dan Scikit-Learn Khawaritzmi Abdallah Ahmad; Mariani; Nur Rahmah Yunita Abar; Alvioni Bani; St. Nurhilmah Busrah
Journal of Community Services and Development Vol. 2 No. 1 (2026): May 2026
Publisher : LPP Chani

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64619/v2i1.37

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk memperkuat kompetensi praktis machine learning mahasiswa S2 Data Science Universitas Hasanuddin melalui pelatihan Python dan Scikit-Learn. Kegiatan ini dilatarbelakangi oleh pentingnya kemampuan mahasiswa pascasarjana dalam menghubungkan pemahaman konseptual data science dengan keterampilan implementasi komputasional. Materi pelatihan disusun secara bertahap, dimulai dari pengenalan Python, alasan penggunaan Python dalam data science dan machine learning, media kerja pemrograman, input-output, control flow, fungsi, struktur data, hingga dasar object-oriented programming. Selanjutnya, peserta diperkenalkan pada konsep machine learning, supervised learning, unsupervised learning, classification, regression, clustering, dimensionality reduction, essential library seperti Pandas, NumPy, dan Matplotlib, serta implementasi model menggunakan Scikit-Learn. Materi Python menekankan bahwa Python dapat digunakan untuk mathematics and data science, machine learning, software development, scripting, dan bidang komputasi lainnya. Sementara itu, materi Scikit-Learn memuat pengenalan machine learning, proses pemodelan, classification, regression, clustering, dimensionality reduction, instalasi, dan praktik implementasi kode . Metode kegiatan menggunakan pelatihan interaktif, demonstrasi kode, praktik langsung, diskusi, dan pengisian angket respons peserta. Hasil kegiatan menunjukkan bahwa pelatihan terlaksana sesuai tahapan yang dirancang dan memberikan pengalaman praktis kepada peserta dalam memahami alur kerja machine learning berbasis Python dan Scikit-Learn. Kegiatan ini menjadi langkah awal dalam mendukung penguatan literasi komputasional dan kompetensi machine learning mahasiswa pascasarjana data science.
Perbandingan Efektivitas Back Translation dan Easy Data Augmentation pada Automatic Short Answer Scoring Bahasa Indonesia Nur Fadilah; Khawaritzmi Abdallah Ahmad; Muh. Isbar Pratama
Progressive Information, Security, Computer, and Embedded System Vol. 4, No. 1 Maret (2026)
Publisher : Sakura Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/pisces.v4i1.1294

Abstract

Automatic Short Answer Scoring (AES) is a Natural Language Processing (NLP) application designed to automatically assess short-answer responses. One of the primary challenges in developing AES systems is the limited size and diversity of available datasets, which can adversely affect a model’s generalization capability. Previous studies have demonstrated that Easy Data Augmentation (EDA) based on IndoBERT-generated synonyms can improve model performance on the UKARA dataset; however, this approach remains limited because the augmentation process is performed at the word level. This study aims to compare the effectiveness of Back Translation and IndoBERT-based Synonym EDA for Indonesian AES systems using the UKARA dataset. To ensure a fair comparison, the dataset, preprocessing procedures, FastText-based text representation, BiLSTM architecture, and evaluation methods were kept consistent across experiments, allowing performance differences to be attributed solely to the augmentation techniques. The experiments were conducted using both Non-K-Fold Evaluation and 3-Fold Cross-Validation scenarios. The results indicate that Back Translation outperformed IndoBERT-based Synonym EDA in most experimental settings, achieving the highest accuracy of 89.00% on Dataset A. Furthermore, the findings suggest that the quality and semantic diversity of the generated data have a greater impact on model performance than merely increasing the amount of training data. Therefore, Back Translation can serve as an effective alternative for enhancing dataset quality and improving the performance of Indonesian AES systems. Keywords: Automatic Short Answer Scoring, Back Translation, Easy Data Augmentation, IndoBERT, BiLSTM, FastText.
Improving HOG-Based Classification of Simple Navigational Gestures Using MiDaS Depth and MediaPipe Holistic Segmentation Khawaritzmi Abdallah Ahmad; Mariani Mariani
Journal of Mathematics, Statistics and Applications Vol. 3 No. 1 (2026): Mei
Publisher : PT. Lontara Digitech Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61220/

Abstract

Human-Computer Interaction (HCI) is increasingly shifting toward touchless and intuitive interfaces, where simple navigational gesture recognition such as left, right, and stop constitutes a fundamental element. Gesture recognition methods based on Histogram of Oriented Gradients (HOG) and 9-Uniform Local Binary Pattern (9ULBP) features with Support Vector Machine (SVM) have proven effective for hand gestures, yet they remain highly vulnerable to complex background clutter. Applying these methods to upper limb gestures (involving arms and upper body) faces two major challenges: first, hand‑only segmentation is inadequate for capturing arm orientation information; second, there is no systematic evaluation of automatic segmentation methods based on depth versus landmarks to improve HOG feature robustness in the upper‑limb gesture domain. This study proposes integrating two preprocessing frameworks—MiDaS (monocular depth estimation) and MediaPipe Holistic (spatial guidance based on pose and hand landmarks)—prior to HOG and HOG+9ULBP feature extraction and SVM classification. Evaluation on 1,400 training images and 74 test images shows that the MediaPipe Holistic + HOG pipeline achieves the best performance with 82.4% accuracy and a macro F1‑score of 0.833, substantially outperforming MiDaS + HOG (60.8% accuracy; F1=0.473). Adding 9ULBP features decreases the F1‑score of the best pipeline to 0.715, proving that local texture is irrelevant for upper‑limb gestures. Consequently, landmark‑based human segmentation is recommended over depth‑based approaches, and feature extraction using only HOG (without 9ULBP) is sufficient.
Analisis Kemampuan Pemecahan Masalah Matematis Berdasarkan Gaya Kognitif Siswa SMA Sudarsih Sudarsih; Israwali Justan; Ahmad Talib; Arinil Hidayah; Ahmad Zaki; Khawaritzmi Abdallah Ahmad
Proximal: Jurnal Penelitian Matematika dan Pendidikan Matematika Vol. 9 No. 2 (2026): Exploring Mathematics through Education, Modeling, Finance, and Cultural Perspe
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/proximal.v9i2.8677

Abstract

Penelitian kualitatif ini bertujuan untuk mendeskripsikan kemampuan pemecahan masalah matematis siswa ditinjau dari gaya kognitif Field Independent (FI) dan Field Dependent (FD) pada materi lingkaran. Penelitian ini penting dilakukan karena kemampuan pemecahan masalah matematis masih menjadi salah satu kompetensi yang relatif rendah pada siswa, khususnya pada materi geometri, sementara setiap siswa memiliki karakteristik kognitif yang berbeda dalam memahami dan menyelesaikan masalah matematika. Pemahaman mengenai perbedaan gaya kognitif FI dan FD diharapkan dapat membantu guru dalam merancang strategi pembelajaran yang lebih tepat dan efektif sesuai karakteristik siswa. Penelitian dilaksanakan pada semester genap tahun ajaran 2025/2026 di SMAN 20 Bone. Subjek penelitian adalah dua orang siswa kelas XI yang dipilih melalui tes kemampuan awal dan tes gaya kognitif GEFT (Group Embedded Figure Test), terdiri dari satu siswa bergaya kognitif FI dan satu siswa bergaya kognitif FD. Pengumpulan data dilakukan melalui tes tertulis pemecahan masalah matematis dan wawancara. Keabsahan data diuji melalui triangulasi teknik, yaitu membandingkan hasil tes dan hasil wawancara. Data dianalisis menggunakan tahapan Miles, Huberman, dan Saldaña (2014), meliputi kondensasi data, penyajian data, dan penarikan kesimpulan, berdasarkan empat indikator pemecahan masalah Polya. Hasil penelitian menunjukkan bahwa Subjek FI mampu memahami masalah secara tepat, menyusun strategi yang sistematis, melaksanakan perhitungan secara akurat, dan melakukan evaluasi terhadap hasil. Sebaliknya, Subjek FD mampu mengidentifikasi informasi dasar, namun belum tepat dalam menginterpretasikan bentuk bangun geometri, cenderung menggunakan pendekatan langsung tanpa analisis mendalam, dan tidak melakukan pemeriksaan kembali terhadap jawaban. Perbedaan utama antara keduanya terletak pada kemampuan analisis geometri, kedalaman strategi, dan kesadaran metakognitif..
Pelatihan Platform Brainys untuk Mendukung Administrasi Akademik Guru Sekolah Dasar di Kabupaten Wajo Arian Nurrifqhi; Radhiansyah; Fettyana; Nur Fadilah; Khawaritzmi Abdallah Ahmad
ARRUS Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2026)
Publisher : PT ARRUS Intelektual Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35877/454RI.abdiku4707

Abstract

Beban administrasi akademik merupakan salah satu permasalahan utama yang dihadapi guru sekolah dasar, terutama terkait penyusunan dokumen perencanaan pembelajaran yang menuntut ketelitian, kesesuaian regulasi, dan waktu yang tidak sedikit. Kondisi ini mendorong perlunya pemanfaatan teknologi berbasis kecerdasan buatan sebagai solusi pendukung kerja administratif guru. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan kapasitas guru sekolah dasar di Kabupaten Wajo dalam memanfaatkan platform Brainys sebagai alat bantu administrasi akademik. Metode yang digunakan adalah Participatory Action Research (PAR), yang melibatkan guru secara aktif melalui tahapan pre-test, eksplorasi permasalahan, penyampaian solusi, praktik langsung, serta refleksi melalui post-test dan diskusi kelompok Hasil pre-test terhadap 173 responden menunjukkan bahwa guru memiliki intensitas beban administrasi yang tinggi dan telah mengenal teknologi AI, namun pemanfaatannya belum optimal dan terstandar. Setelah pelatihan, hasil post-test dan refleksi menunjukkan respons positif terhadap penggunaan Brainys, terutama dalam hal kemudahan penggunaan, kejelasan alur kerja, dan efisiensi penyusunan dokumen administrasi akademik. Kegiatan ini menunjukkan bahwa pelatihan pemanfaatan platform AI terintegrasi berpotensi mengurangi beban administrasi guru serta mendukung peningkatan efisiensi dan kualitas pengelolaan administrasi akademik di sekolah dasar.
Penguatan Computational Thinking melalui Pelatihan Koding pada Program After School bagi Siswa SMA Negeri 6 Makassar Nur Fadilah; Darmawati Darmawati; Arian Nurrifqhi; Fettyana Fettyana; Khawaritzmi Abdallah Ahmad
Jurnal Hasil-Hasil Pengabdian dan Pemberdayaan Masyarakat Vol. 5 No. 1 (2026): Volume 05 Nomor 01 (April 2026)
Publisher : Jurusan Matematika FMIPA UNM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35580/y1g2g331

Abstract

Transformasi digital nasional menempatkan computational thinking (CT) sebagai fondasi intelektual krusial bagi generasi emas 2045. Pengabdian ini bertujuan untuk mendeskripsikan penguatan CT melalui pelatihan koding pada program after school di SMA Negeri 6 Makassar. Tantangan utama kegiatan ini adalah kondisi sosial ekonomi keluarga siswa yang berada pada kategori menengah ke bawah serta hambatan infrastruktur berat akibat renovasi total laboratorium komputer (progres 55%). Melalui metode pelaksanaan yang adaptif, pengabdian ini menggunakan strategi Computer Science Unplugged sebagai solusi inklusif. Hasil evaluasi kualitatif menunjukkan bahwa meskipun intensitas pertemuan tatap muka terbatas pada 7 dari 16 pertemuan, tingkat kesiapan fisik siswa mencapai 91% dengan antusiasme belajar yang sangat tinggi. Temuan ini menegaskan bahwa resiliensi psikologis siswa mampu melampaui keterbatasan perangkat fisik dalam penguasaan logika algoritmik dasar sebagai persiapan kurikulum koding 2025/2026.
Co-Authors Ahmad Talib Ahmad Talib AHMAD ZAKI Ahmad Zaki Alvioni Bani Arian Nurrifqhi Arinil Hidayah Darmawati Darmawati Fettyana Fettyana Fettyana Israwali Justan Khuzaimah Nur Anisa Mariani Mariani Mariani Muhammad Isbar Pratama Nasir, Norma Nur Fadilah Nur Rahmah Yunita Abar Radhiansyah St. Nurhilmah Busrah Sudarsih Sudarsih