Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Journal on Pustaka Cendekia Informatika JuSTISe: Journal Data Science, Technology, Informatics and Security
Iim Abdurrohim
Universitas Kebangsaan Republik Indonesia
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Aplikasi Mobile Multi-Algoritma AI untuk Bisnis Konveksi Julian Utami; Oscar Hadikaryana; Iim Abdurrohim
Journal Data Science, Technology, Informatics and Security Vol 2 No 2 (2024): Journal Data Science, Technology, Informatics and Security (Desember 2024)
Publisher : Universitas Kebangsaan Republik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31848/justise.v2i2.4311

Abstract

Small and medium-sized garment enterprises often struggle with manual production recording and payroll estimation, leading to inefficiency. This study develops a mobile application integrating multiple artificial intelligence algorithms to improve business prediction accuracy. The research employed a Research and Development (R&D) method with a Rapid Application Development (RAD) approach. Eight years of historical production and payroll data were analyzed using three algorithms: Linear Regression, Random Forest Regression, and KMeans Clustering. The results indicate that the application enhanced recording efficiency, Random Forest outperformed Linear Regression on fluctuating data, and K-Means effectively recommended the best-performing employees. In conclusion, the system contributes to digitalization and data-driven decisionmaking in the garment sector.
Implementasi Tanda Tangan Digital untuk Meningkatkan Efisiensi Administrasi Anggota Pramuka Saka Wira Kartika di Kodim 0610/Sumedang Daffa Fadhlurohman; Yasri; Iim Abdurrohim
Journal Data Science, Technology, Informatics and Security Vol 3 No 1 (2025): Journal Data Science, Technology, Informatics and Security (Juni 2025)
Publisher : Universitas Kebangsaan Republik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31848/justise.v3i1.4319

Abstract

Membership administration in Scout organizations is still mostly conducted manually, including member data recording, membership card (KTA) issuance, and announcement distribution. Manual processes often lead to issues such as delays in data collection, difficulties in searching for information, and the risk of document loss. Therefore, a digital system is required to manage membership administration more efficiently and securely. This research produces a Web-Based Scout Membership Administration System, developed using Node.js, Express, and Prisma ORM on the backend, and React.js with Tailwind CSS on the frontend. The system provides main features such as member registration and biodata management, KTA issuance in PDF format with an embedded QR Code, member data validation by the administrator, and announcement management. To enhance security, each KTA is embedded with a digital signature using the Ed25519 algorithm, allowing the authenticity of the data to be verified through QR Code scanning. The testing results show that this system is able to simplify the administrator’s tasks in validating and managing member data, while also providing convenience for members in accessing information and obtaining their KTA quickly. The implementation of digital signatures ensures data integrity and security, making the administrative process more effective, efficient, and reliable.
Deteksi Tingkat Kematangan Buah Salak Dengan Metode Hybrid Convolutional Neural Network (CNN) dan K-Nearest Neighbor (KNN) Berbasis Web: Penelitian Udan Gunawan; Iim Abdurrohim
Journal on Pustaka Cendekia Informatika Vol. 4 No. 2 (2026): Journal on Pustaka Cendekia Informatika: Volume 4 Nomor 2 June-September Tahun
Publisher : PT Pustaka Cendekia Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pctif.v4i2.144

Abstract

Penentuan tingkat kematangan buah salak secara manual masih mengandalkan pengamatan visual berdasarkan warna, tekstur, dan bentuk buah sehingga bersifat subjektif dan berpotensi menghasilkan penilaian yang berbeda. Penelitian ini bertujuan membangun sistem deteksi tingkat kematangan buah salak berbasis web menggunakan metode hybrid Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 sebagai feature extractor dan K-Nearest Neighbor (KNN) sebagai classifier. Dataset yang digunakan berjumlah 1.200 citra yang terbagi ke dalam tiga kelas, yaitu matang, setengah matang, dan mentah. Sebelum proses pelatihan, citra melalui tahap preprocessing berupa resize, normalisasi, dan online data augmentation. Selanjutnya MobileNetV2 digunakan untuk mengektraksi fitur, sedangkan KNN dengan nilai parameter terbaik K=3 digunakan untuk proses klasifikasi. Hasil pengujian menunjukan bahwa model hybrid CNN dengan arsitektur MobileNetV2 dan KNN memperoleh akurasi sebesar 94% dengan nilai precision, recall, dan F1-score yang tinggi pada setiap kelas. Pengujian sistem berdasarkan karakteristik funcional suitability dan reliability pada standar ISO/IEC 25010 menunjukan bahwa seluruh fungsi sistem berjalan sesuai kebutuhan serta mempu beroperasi secara konsisten selama pengujian. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu mendeteksi tingkat kematangan buah salak secara akurat, objektif, dan dapat diimplementasikan sebagai media bantu identifikasi kematangan buah salak berbasis web.
Sistem Klasifikasi Tingkat Kesejahteraan Penduduk Menggunakan Algoritma K-Nearest Neighbor (KNN): Penelitian Muhammad Supyan; Iim Abdurrohim
Journal on Pustaka Cendekia Informatika Vol. 4 No. 2 (2026): Journal on Pustaka Cendekia Informatika: Volume 4 Nomor 2 June-September Tahun
Publisher : PT Pustaka Cendekia Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70292/pctif.v4i2.145

Abstract

Penentuan tingkat kesejahteraan penduduk merupakan salah satu dasar dalam mendukung penyaluran bantuan sosial agar tepat sasaran. Proses pendataan yang masih dilakukan secara manual berpotensi menyebabkan ketidaktepatan dalam pengelompokan tingkat kesejahteraan. Penelitian ini bertujuan untuk merancang dan membangun sistem klasifikasi tingkat kesejahteraan penduduk berbasis web menggunakan algoritma K-Nearest Neighbor (KNN) pada Desa Sukanagalih, Kabupaten Cianjur. Metode penelitian yang digunakan adalah CRISP DM (Cross Industry Standard Process for Data Mining) yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Data diproses melalui tahapan pembersihan data, transformasi, encoding, normalisasi Min-Max, dan pembagian data latih serta data uji. Sistem dikembangkan menggunakan React, Node.js, dan MySQL, sedangkan model klasifikasi dibangun menggunakan Python dengan perhitungan jarak euclidean. Hasil penelitian menunjukkan bahwa sistem mampu melakukan klasifikasi tingkat kesejahteraan penduduk secara otomatis berdasarkan data yang diinputkan. Evaluasi model dilakukan menggunakan Confusion Matrix, Accuracy, Precision, Recall, dan F1-Score, sedangkan kualitas perangkat lunak diuji berdasarkan standar ISO/IEC 25010 pada karakteristik Functional Suitability, Performance Efficiency, dan Portability. Hasil pengujian menunjukkan bahwa sistem berjalan sesuai kebutuhan, memiliki performa yang baik, dan dapat diakses pada berbagai browser dan perangkat.
Co-Authors Daffa Fadhlurohman Julian Utami Muhammad Supyan Oscar Hadikaryana Udan Gunawan Yasri