Article Per Year (5 Year)
p-Index From 2021 - 2026
1.99
P-Index
This Author published in this journals
All Journal Jurnal sistem informasi, Teknologi informasi dan komputer JURTEKSI CSRID (Computer Science Research and Its Development Journal) JISKa (Jurnal Informatika Sunan Kalijaga) bit-Tech Teknika Perwira Journal of Science and Engineering (PJSE) Jurnal Ilmiah Dan Karya Mahasiswa
Muhammad Akbar Maulana
Institut Bisnis Dan Informatika Kwik Kian Gie
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Mathematics

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
SISTEM INFORMASI GEOGRAFIS PEMETAAN PRAKTIK DOKTER UMUM DAN SPESIALIS “SMART DOCTOR” Maulana, Muhammad Akbar; Kriswantoro, Andi; Hudha, Yans Safarid; Habib, Muhammad; Syarham, Syarham; Utami, Ema
CSRID (Computer Science Research and Its Development Journal) Vol 9, No 2 (2017): CSRID Juni 2017
Publisher : Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (467.759 KB) | DOI: 10.22303/csrid.9.2.2017.62-74

Abstract

Ketika seseorang sedang sakit dan baru saja pindah kedaerah tertentu, akan sulit dalam mencari dokter pada kota yang baru saja didatangi dan sangatlah menyusahkan. Terlebih lagi jika banyak dokter yang tidak kita kenal dan belum teruji bahwa dokter tersebut mempunyai izin praktek. Tentunya harus pergi ke rumah sakit, tetapi jika lebih mengetahui dimana letak dokter yang terdekat dan terpercaya, ini akan menghemat tenaga dan waktu. Dengan membuat smart doctor diyakini dapat mensolusikan masalah yang dihadapi masyarakat. Perkembangan komunikasi dalam modernisasi saat ini khususnya di Indonesia semakin berkembang pesat, fakta ini dapat dibuktikan dengan berkembangnya berbagai jenis smartphones yang dibuat vendor-vendor ponsel terkemuka didunia. Hal ini baik secara langsung maupun tidak langsung berpengaruh terhadap perkembangan dunia kesehatan di Indonesia dalam mengembangkan berbagai macam teknologi. Ketersediaan perangkat bergerak, lingkungan pengembangan, dan pustaka pemetaan, memungkinkan berkembangnya aplikasi mobile GIS yang berhubungan dengan dunia kesehatan. Dalam pengembangan aplikasi ini menggunakan sistem operasi android yang merupakan salah satu sistem operasi telepon seluler yang terpopuler saat ini dipadukan dengan google maps yang merupakan layanan peta dunia virtual berbasis web yang disediakan oleh Google. Pemanfaatan pengukuran jarak terdekat pada peta juga memberikan keuntungan lebih pada aplikasi ini dimana nantinya pengguna yang tidak mengetahui rute jarak menuju lokasi praktik dokter dapat dipermudah dengan di arahkan menggunakan rute terpendek sehingga hal itu dapat membatu bagi pengguna yang bukan merupakan penduduk asli dari suatu wilayah tersebut.
Pembuatan Ergonomic Mechanical Keyboard untuk Mengurangi Cidera Tangan Menggunakan Teknologi Arduino Muhammad Akbar Maulana
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 8 No. 3 (2023): September 2023
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.2023.8.3.175-185

Abstract

In our daily lives, computers and keyboards are essential tools for both work and gaming. However, despite the variety of keyboards available on the market, few consider the comfort and needs of individual users. To solve this issue, a mechanical keyboard that can be adjusted in width, shape, and positioning is required to lessen hand injuries when used for extended periods. This research produces a mechanical keyboard hardware prototype using Arduino as the main component. The device will be connected to an electronic circuit and use C Language as supporting software. Tests were conducted to compare existing keyboards on the market related to function tests, compatibility, usability, and performance tests. The results show that all hardware components function perfectly at 98% capacity.
Perbandingan Algoritma Naïve Bayes dan TextBlob Untuk Mendapatkan Analisis Sentimen Masyarakat Pada Sosial Media Giesta Rahguna Putri; Muhammad Akbar Maulana; Samsul Bahri
Teknika Vol 13 No 2 (2024): Juli 2024
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v13i2.815

Abstract

Media sosial Twitter adalah platform yang populer di Indonesia untuk berkomunikasi dan mendapatkan informasi dengan cepat. Hal ini memungkinkan masyarakat dengan mudah mengungkapkan opini dan sentimen mereka. Penelitian ini berfokus pada perbandingan algoritma TextBlob dan Naïve Bayes dalam menganalisis sentimen masyarakat. Temuan menunjukkan bahwa TextBlob mengklasifikasikan sebagian besar tweet sebagai positif, sementara Naïve Bayes menunjukkan kecenderungan yang serupa dengan akurasi sebesar 78,18%. Dari analisis TextBlob, sekitar 50,98% komentar menunjukkan sentimen positif, 16,01% negatif, dan 33,33% netral. Dengan menggunakan kedua algoritma ini, penelitian berhasil mengidentifikasi sentimen masyarakat dengan akurasi yang baik, menunjukkan distribusi yang jelas antara sentimen positif, netral, dan negatif.
Identifikasi Mata Juling dan Mata Normal Pada Anak Dengan Metode Convolutional Neural Network (CNN) Putri, Giesta Rahguna; Maulana, Muhammad Akbar; Lestari, Tutik
Jurnal Sistem Informasi, Teknologi Informatika dan Komputer Volume 13 No 2, Januari Tahun 2023
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/justit.13.2.80-86

Abstract

Penelitian ini bertujuan untuk mengidentifikasi mata juling dan mata normal pada anak di posyandu menggunakan metode Convolutional Neural Network (CNN). Dataset berisi gambar mata juling dan mata normal yang digunakan untuk melatih dan menguji model CNN. Langkah-langkah meliputi preprocessing data, pembangunan model CNN dengan konvolusi, pengurangan dimensi melalui pooling, dan klasifikasi dengan fully connected layer, serta evaluasi performa menggunakan akurasi. Hasil penelitian menunjukkan bahwa model CNN berhasil membedakan dengan akurat antara mata juling dan mata normal. Penemuan ini memberikan kontribusi penting dalam mendukung upaya identifikasi dini dan tindak lanjut yang efektif terhadap kondisi mata pada anak di posyandu.
Penerapan Haar Cascade Classifier Dalam Mendeteksi Kelainan Mata Pada Anak Menggunakan OpenCV Giesta Rahguna Putri; Muhammad Akbar Maulana
Jurnal Ilmiah Dan Karya Mahasiswa Vol. 1 No. 4 (2023): AGUSTUS : JURNAL ILMIAH DAN KARYA MAHASISWA
Publisher : Institut Teknologi dan Bisnis (ITB) Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54066/jikma.v1i4.511

Abstract

Eye disorders in children need early detection to prevent serious health problems. However, eye examinations at healthcare centers are currently limited. OpenCV is an image processing library that can detect eye disorders such as strabismus and crossed eyes. Research shows that OpenCV aids in the early detection of eye disorders in children at healthcare centers. Haar Cascade Classifier is an image processing technique used to detect specific objects. It can accurately detect faces under various lighting and background conditions. It serves as an effective alternative for object detection in digital images.
MULTI-FACE EMOTION DETECTION USING CONVOLUTIONAL NEURAL NETWORKS TINY FACE DETECTOR Istioso, Jason; Gerard, Jeremiah; Marcheleno, Marco; Maulana, Muhammad Akbar
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 12 No. 1 (2025): Desember 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v12i1.4354

Abstract

Abstract: Understanding students’ emotional conditions is important for evaluating engagement and learning atmosphere in classroom environments. However, conventional evaluation methods are often subjective and difficult to apply in real time. Therefore, this study proposes a real-time multi-face emotion detection system designed for classroom learning environments. The system integrates a CNN-based Tiny Face Detector for multi-scale face localization with a convolutional neural network to classify seven facial emotions: angry, disgust, fear, happy, sad, surprise, and neutral. Experimental evaluation was conducted using classroom video data under varying lighting conditions, face orientations, partial occlusions, and different numbers of detected faces per frame. The proposed system achieves stable real-time performance with processing speeds ranging from 10–20 FPS, depending on face density. The results show higher recognition performance for expressive emotions, while subtle emotions remain more challenging. Overall classification accuracy reaches above 80% when emotion predictions are aggregated across multiple faces and time windows. These results indicate that the proposed system is suitable for objective analysis of emotional dynamics in classroom environments and supports the deployment of lightweight emotion-aware monitoring systems for educational applications. Keywords: classroom monitoring; convolutional neural network; facial emotion recognition; multi-face detection; tiny face detector. Abstrak: Pemahaman terhadap kondisi emosional mahasiswa penting untuk mengevaluasi keterlibatan dan suasana pembelajaran di kelas. Namun, metode evaluasi konvensional umumnya bersifat subjektif dan sulit diterapkan secara real-time. Oleh karena itu, penelitian ini mengusulkan sistem deteksi emosi multi-wajah secara real-time yang dirancang untuk lingkungan pembelajaran di kelas. Sistem mengintegrasikan Tiny Face Detector berbasis CNN untuk pelokalan wajah multi-skala dengan jaringan saraf konvolusional untuk mengklasifikasikan tujuh emosi wajah, yaitu marah, jijik, takut, senang, sedih, terkejut, dan netral. Evaluasi eksperimen dilakukan menggunakan data video kelas dengan variasi kondisi pencahayaan, orientasi wajah, oklusi parsial, serta jumlah wajah yang berbeda dalam satu frame. Sistem menunjukkan kinerja real-time yang stabil dengan kecepatan pemrosesan antara 10–20 FPS, bergantung pada kepadatan wajah. Hasil pengujian menunjukkan kinerja yang lebih baik pada emosi ekspresif, sementara emosi dengan ciri halus lebih menantang untuk dikenali. Akurasi klasifikasi keseluruhan mencapai di atas 80% ketika hasil emosi diagregasi berdasarkan banyak wajah dan interval waktu. Hasil ini menunjukkan bahwa sistem yang diusulkan berpotensi digunakan untuk analisis objektif dinamika emosi di kelas serta mendukung pemantauan lingkungan pembelajaran berbasis kecerdasan buatan. Kata kunci: pengenalan emosi wajah; deteksi multi-wajah; Tiny Face Detector; jaringan saraf konvolusional; pemantauan kelas.
YOLOV8 DETECTION FOR STUDENT DRESS CODE COMPLIANCE USING COMPUTER VISION Geraldo Tan; Agung Saputra; Richardo Renzo Chandra; Radja Ardjuna Rithaudin Pua; Muhammad Akbar Maulana
JURTEKSI (jurnal Teknologi dan Sistem Informasi) Vol. 12 No. 1 (2025): Desember 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Royal Kisaran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33330/jurteksi.v12i1.4350

Abstract

Abstract: The implementation of dress code regulations in university environments is generally still carried out conventionally, requiring significant time and effort and potentially leading to subjective assessments. This study develops an automatic student dress code compliance detection system using computer vision based on the YOLOv8 model. The dataset consists of 1,800 annotated images divided into eight clothing categories, split into 78% training (1,404 images), 14% validation (254 images), and 8% testing (143 images). All images underwent preprocessing and data augmentation before training the YOLOv8 model with an input size of 640×640 pixels for 50 epochs. During testing, the YOLOv8 model achieved an overall performance of Precision 0.844, Recall 0.773, F1-Score 0.802, and mAP@0.5 0.841, and was able to detect clothing objects with good accuracy and stable performance under various image conditions. The system was integrated with a Flask-based backend and a web-based frontend to enable real time detection and compliance classification, with a response time of less than 2 seconds, supporting automatic and consistent identification of student dress code compliance as “Compliant” or “Violation.” Keywords: compliance detection; computer vision; dress code regulations; real time detection; YOLOv8. Abstrak: Penerapan aturan berpakaian di lingkungan kampus umumnya masih dilakukan secara konvensional sehingga membutuhkan waktu dan tenaga yang relatif besar serta berpotensi menimbulkan subjektivitas penilaian. Penelitian ini bertujuan mengembangkan sistem pendeteksi kepatuhan berpakaian mahasiswa secara otomatis berbasis visi komputer menggunakan model YOLOv8. Dataset yang digunakan terdiri dari 1.800 citra beranotasi yang terbagi ke dalam 8 kategori pakaian, dengan pembagian data sebesar 78% data latih (1.404 citra), 14% data validasi (254 citra) dan 8% data uji (143 citra). Seluruh citra diproses melalui tahapan pre-processing dan data augmentation, kemudian digunakan untuk melatih model YOLOv8 dengan ukuran input 640×640 piksel selama 50 epoch. Pada tahap pengujian, model mencapai performa keseluruhan dengan Precision 0.844, Recall 0.773, F1-Score 0.802, dan mAP@0.5 0.841, serta mampu mendeteksi objek pakaian dengan akurasi baik dan performa stabil pada berbagai kondisi citra. Sistem kemudian diintegrasikan dengan backend berbasis Flask dan frontend web untuk mendukung proses deteksi waktu nyata dan klasifikasi kepatuhan, dengan waktu respons sistem kurang dari 2 detik, sehingga mampu mengidentifikasi status kepatuhan berpakaian mahasiswa ke dalam kategori “Aman” dan “Melanggar Aturan” secara otomatis dan konsisten. Kata kunci: aturan berpakaian; deteksi waktu nyata; pendeteksi kepatuhan; visi komputer; YOLOv8.
Perancangan Sistem Informasi Kependudukan Pada Desa Kaliori Kecamatan Kalibagor Sugeng Priyatno; Muhammad Akbar Maulana; Lutvi Riyandari
Perwira Journal of Science & Engineering Vol 6 No 1 (2026)
Publisher : Universitas Perwira Purbalingga

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54199/gy1sey44

Abstract

Sistem informasi kependudukan merupakan komponen penting dalam mendukung tata kelola pemerintahan desa, terutama terkait pengolahan dan pelaporan data penduduk. Di Desa Kaliori Kecamatan Kalibagor, proses administrasi masih dilakukan secara manual melalui pencatatan berbasis buku, sehingga menimbulkan berbagai kendala seperti keterlambatan pelaporan, tingginya risiko kesalahan, serta sulitnya pencarian dan pembaruan data. Penelitian ini bertujuan merancang sistem informasi kependudukan berbasis komputer menggunakan metode prototype, yang memungkinkan pengguna terlibat langsung dalam tahap identifikasi kebutuhan, evaluasi, dan penyempurnaan sistem. Melalui tahapan identifikasi kebutuhan, pembuatan prototype awal, evaluasi, dan revisi berulang, dihasilkan rancangan sistem yang mampu mengelola data kependudukan secara lebih cepat, akurat, dan terstruktur. Sistem yang dirancang mencakup fitur input data penduduk, pencarian informasi, pemutakhiran data, dan pembuatan laporan bulanan. Hasil penelitian menunjukkan bahwa pendekatan prototype efektif dalam menghasilkan rancangan sistem yang sesuai kebutuhan pengguna dan berpotensi meningkatkan efisiensi administrasi kependudukan desa.
Identifikasi Malaria Pada Citra Darah Dengan Convolutional Neural Network Juanda Gilang Purnomo; Sigit Birowo; Muhammad Akbar Maulana
bit-Tech Vol. 7 No. 2 (2024): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i2.1828

Abstract

Malaria adalah penyakit yang ditularkan oleh nyamuk betina Anopheles. Deteksi dini penyakit ini umumnya dilakukan menggunakan teknik mikroskopis pada sel darah merah. Penelitian ini bertujuan untuk mencari metode Convolutional Neural Network (CNN) berbasis arsitektur pretrained machine learning yang paling optimal untuk mendeteksi parasit malaria dalam citra darah mikroskopis. Kami membandingkan performa dua arsitektur CNN, yaitu EfficientNetV2S dan ConvNeXtBase, dengan menggunakan dataset yang terdiri dari 27.588 citra sel darah merah manusia, yang terbagi menjadi dua kategori: Parasitized dan Uninfected. Model dilatih dengan dua pengaturan learning rate: minimum (0,0001) dan maksimum (0,001). Evaluasi kinerja model dilakukan menggunakan confusion matrix untuk membandingkan performa dan stabilitas kedua metode dalam klasifikasi citra. Hasil penelitian menunjukkan bahwa EfficientNetV2S dengan learning rate minimum (0,0001) berhasil mencapai akurasi validasi tertinggi sebesar 96%, sedangkan ConvNeXtBase hanya mencapai akurasi maksimal sebesar 68%. Selain akurasi yang lebih tinggi, model EfficientNetV2S juga menunjukkan efisiensi komputasi yang lebih baik, sehingga menjadi pilihan yang lebih tepat untuk tugas deteksi malaria berbasis deep learning. Dengan demikian, penelitian ini menyimpulkan bahwa model arsitektur EfficientNetV2S dengan learning rate minimum merupakan pendekatan yang efektif untuk mendeteksi dini infeksi malaria dalam citra sel darah merah. Temuan ini menunjukkan bahwa teknologi deep learning memiliki potensi besar dalam membantu deteksi dini penyakit malaria. Penelitian lebih lanjut diperlukan untuk meningkatkan performa model atau mengeksplorasi metode alternatif untuk deteksi malaria.
Studi Perbandingan Pengembangan Game dalam GDScript dengan Godot dan C# dengan Unity Leonard Winata; Muhammad Akbar Maulana; Joko Susilo
bit-Tech Vol. 7 No. 3 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v7i3.1876

Abstract

Penelitian ini membandingkan efisiensi dan kompleksitas pada game engine Godot dan Unity dengan bahasa program utamanya masing-masing yaitu GDScript dan Unity dalam pembuatan replika Flappy Bird. Tujuan penelitian ini adalah untuk mengevaluasi waktu, penggunaan ruang berupa memori dan CPU, dan kompleksitas kode pada kedua game engine tersebut dan menganalisis perbedaan dalam bentuk kode. Hasil penelitian menunjukkan bahwa kedua engine mampu mencapai 60 FPS dengan stabil dalam dalam analisis time complexity. Pada analisis space complexity, Godot dengan GDScript terlihat lebih efisien dengan penggunaan memori 125 mb dan penggunaan CPU 3% dibandingkan Unity dengan C# yang memiliki penggunaan memori 160 mb dan penggunaan CPU 40%. Dari segi code complexity, Godot dengan GDScript memiliki lebih sedikit jumlah baris kode atau Lines of Code (LOC) dengan total 157 sedangkan Unity dengan C# memiliki total LOC sebanyak 169. Dalam penulisan kode, Unity dengan C# dapat menggunakan komponen dari fitur bawaan game engine Unity yang dimiliki seperti Rigidbody2D yang mempermudah dan mempercepat dalam pembuatan mekanika seperti gravitasi. Tetapi komponen tersebut perlu diinisialisasikan di dalam kodenya yang dapat menambahkan jumlah LOC. Sedangkan Godot dengan GDScript tidak memiliki fitur bawaan seperti Unity dan harus membuat mekanika seperti gravitasi dari awal tetapi karena itu, GDScript tidak memerlukan inisialisasi komponen dari game engine Godot dan karena itu jumlah LOC yang dimiliki lebih sedikit dibandingkan dengan C#.
Co-Authors Agung Saputra D. Diffran Nur Cahyo Ema Utami Fahmi Rusdi Al Islami Fidya Farasalsabila Geraldo Tan Gerard, Jeremiah Giesta Rahguna Putri Giesta Rahguna Putri Habib, Muhammad Hanafi Hanafi Hudha, Yans Safarid Istioso, Jason Joko Susilo Juanda Gilang Purnomo Kriswantoro, Andi Leonard Winata Lutvi Riyandari Marcheleno, Marco Michelle Mikael Putri, Giesta Rahguna Radja Ardjuna Rithaudin Pua Richardo Renzo Chandra Samsul Bahri Sigit Birowo Sugeng Priyatno Syarham, Syarham Tutik Lestari Tutik Lestari Verra Budhi Lestari