Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pendeteksi Objek Huruf Lontara Untuk Literasi ke Teks Latin Mohammad Ramadhan Zainuddin; Fahrim Irhamna Rahman; Titin Wahyuni
Journal of Muhammadiyah’s Application Technology Vol. 5 No. 1 (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/nth00674

Abstract

Kemajuan teknologi komputer telah mendorong inovasi dalam sistem pengenalan karakter otomatis, termasuk aksara Lontara’. Penelitian ini bertujuan mengevaluasi efektivitas algoritma deteksi objek YOLOv8 dalam mengenali dan mengklasifikasikan karakter aksara Lontara’ dengan akurasi tinggi. Studi dilakukan di Universitas Muhammadiyah Makassar menggunakan metode eksperimen berbasis pembelajaran mesin. Dataset yang digunakan terdiri dari gambar digital karakter Lontara’ yang telah diberi label secara manual. Data dibagi menjadi tiga bagian: 70% untuk pelatihan, 20% untuk validasi, dan 10% untuk pengujian model. Hasil evaluasi menunjukkan kinerja model sangat optimal, dengan akurasi sebesar 98,2%, presisi 98,1%, dan recall mencapai 100%. Capaian ini menandakan sistem memiliki efisiensi dan reliabilitas tinggi dalam mengenali serta mengklasifikasikan karakter aksara Lontara’ dalam berbagai kondisi visual. Temuan ini mendukung potensi implementasi model dalam dunia nyata. Sebagai pengembangan lebih lanjut, disarankan untuk memperluas variasi dataset agar model lebih mampu melakukan generalisasi. Selain itu, eksplorasi algoritma yang lebih modern atau pendekatan hibrida dengan teknik deep learning lain dapat meningkatkan kinerja dan ketahanan sistem terhadap situasi operasional yang kompleks. KATA KUNCIPengenalan Aksara Lontara’, YOLOv8, Deep Learning, Literasi. ABSTRACT: Rapid advancements in computer technology have driven innovation in automatic character recognition systems, including for the Lontara script. This study aims to evaluate the effectiveness of the YOLOv8 object detection algorithm in accurately recognizing and classifying Lontara characters. The research was conducted at Universitas Muhammadiyah Makassar using an experimental method based on machine learning. The dataset consisted of digital images of Lontara characters, which were manually labeled. The data was divided into three subsets: 70% for training, 20% for validation, and 10% for testing the model. The evaluation results showed that the model performed very well, achieving an accuracy of 98.2%, a precision of 98.1%, and a perfect recall of 100%. These results demonstrate the system’s high efficiency and reliability in recognizing and classifying Lontara characters under various visual conditions. The findings support the model's feasibility for real-world implementation. For future research, it is recommended to increase dataset diversity by involving more participants and image sources to enhance generalization capabilities. Additionally, exploring more advanced algorithms or hybrid approaches that combine multiple deep learning techniques may further improve the system’s performance and robustness in more complex operational scenarios.Keywords:Lontara Script Recognition, YOLOv8, Deep Learning, Literacy
Optimasi Penjadwalan dan Alokasi Kamar Rawat Inap RS PKU Unismuh Kota Makassar Menggunakan Priority Scheduling Ardiansyah Uddin; Fachrim Irhamna Rahman; Titin Wahyuni
Journal of Muhammadiyah’s Application Technology Vol. 4 No. 3 (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/1p4q2k23

Abstract

ABSTRAKManajemen ruang rawat inap merupakan komponen penting dalam operasional rumah sakit karena berkaitan langsung dengan kualitas pelayanan dan keselamatan pasien. Peningkatan jumlah pasien, keterbatasan kapasitas kamar, serta sistem penjadwalan yang masih bersifat manual sering menyebabkan ketidakefisienan dalam alokasi ruang rawat inap. Penelitian ini bertujuan untuk mengoptimalkan manajemen ruang rawat inap di RS PKU Unismuh Makassar melalui penerapan algoritma Priority Scheduling. Metode penelitian yang digunakan adalah pendekatan kuantitatif terapan dengan simulasi sistem berbasis data ketersediaan kamar, kondisi medis pasien, tingkat urgensi, kelas ruang rawat inap, serta spesialisasi dokter. Algoritma Priority Scheduling diterapkan untuk menentukan urutan pelayanan dan alokasi kamar berdasarkan prioritas medis pasien. Hasil penelitian menunjukkan bahwa sistem mampu mengalokasikan ruang rawat inap secara optimal, terutama bagi pasien dengan prioritas tinggi, dengan tingkat efisiensi penggunaan ruang mencapai 100%. Selain itu, sistem dapat mengurangi waktu tunggu dan meningkatkan ketepatan pengambilan keputusan dalam penempatan pasien. Kesimpulan dari penelitian ini menunjukkan bahwa algoritma Priority Scheduling efektif dan adil dalam mendukung optimalisasi pengelolaan ruang rawat inap. Implikasi penelitian ini diharapkan dapat menjadi dasar pengembangan decision support system berbasis algoritma dalam manajemen rumah sakit. Kata Kunci: Manajemen Ruang Rawat Inap, Priority Scheduling, Alokasi Kamar, Efisiensi Pelayanan, Rumah Sakit   ABSTRACTInpatient room management is a critical aspect of hospital operations as it directly affects service quality and patient safety. The increasing number of patients, limited room capacity, and manual scheduling systems often lead to inefficiencies in inpatient room allocation. This study aims to optimize inpatient room management at PKU Unismuh Makassar Hospital through the application of the Priority Scheduling algorithm. The research employs an applied quantitative approach using system simulation based on inpatient room availability data, patients’ medical conditions, urgency levels, room class categories, and doctors’ specializations. The Priority Scheduling algorithm is implemented to determine service order and room allocation according to patients’ medical priority levels. The results indicate that the proposed system is able to allocate inpatient rooms optimally, particularly for high-priority patients, achieving 100% room utilization efficiency for critical cases. In addition, the system reduces patient waiting time and improves the accuracy of decision-making in room assignment. The study concludes that the Priority Scheduling algorithm is an effective and fair approach for optimizing inpatient room management. The findings imply that this algorithm can be utilized as a decision-support system to enhance efficiency, responsiveness, and resource utilization in hospital inpatient services. Keyworsds: Inpatient room management, Priority Scheduling, room allocation, service efficiency, hospital
Analisis Sentimen dan Clustering Komentar Twitter Menggunakan Metode Lexicon-Based dan Algoritma K-Means Anugrah Resky Samudra; Chyquitha Danuputri; Titin Wahyuni
Journal of Muhammadiyah’s Application Technology Vol. 5 No. 1 (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/8njz7s15

Abstract

ABSTRAK: Media sosial Twitter telah menjadi salah satu platform utama bagi masyarakat dalam menyampaikan opini dan persepsi terhadap berbagai isu publik, termasuk isu ekonomi nasional. Besarnya volume data teks yang dihasilkan menuntut adanya metode analisis yang mampu mengekstraksi informasi secara efektif. Penelitian ini bertujuan untuk memetakan opini publik di Twitter berdasarkan polaritas sentimen serta kemiripan topik pembahasan. Metode yang digunakan meliputi analisis sentimen berbasis leksikon untuk menentukan kecenderungan sentimen positif, negatif, dan netral, serta teknik clustering teks untuk mengelompokkan komentar berdasarkan kesamaan karakteristik kontennya. Data penelitian diperoleh dari hasil pengumpulan komentar Twitter yang relevan dengan isu ekonomi nasional, kemudian melalui tahapan preprocessing teks, pembobotan kata menggunakan TF-IDF, dan proses pengelompokan data. Hasil penelitian menunjukkan bahwa integrasi analisis sentimen dan clustering mampu memberikan gambaran yang lebih komprehensif mengenai pola opini publik, baik dari sisi kecenderungan sentimen maupun topik diskusi yang dominan. Temuan ini diharapkan dapat menjadi referensi dalam pemanfaatan text mining untuk analisis opini publik berbasis media sosial. KATA KUNCIAnalisis Sentimen, Text Mining, Media Sosial, Clustering Teks, Twitter. ABSTRACT: Twitter has become one of the main social media platforms for the public to express opinions and perceptions on various public issues, including national economic issues. The large volume of textual data generated requires analytical methods capable of extracting information effectively. This study aims to map public opinion on Twitter based on sentiment polarity and topic similarity. The methods employed include lexicon-based sentiment analysis to identify positive, negative, and neutral sentiments, as well as text clustering techniques to group comments according to content similarity. The research data were obtained from the collection of Twitter comments related to national economic issues, followed by text preprocessing, term weighting using TF-IDF, and clustering processes. The results indicate that the integration of sentiment analysis and text clustering provides a more comprehensive overview of public opinion patterns, both in terms of sentiment tendencies and dominant discussion topics. These findings are expected to serve as a reference for the application of text mining in social media-based public opinion analysis. Keywords:Sentiment Analysis, Text Mining, Social Media, Text Clustering, Twitter.