Article Per Year (5 Year)
p-Index From 2020 - 2025
2.942
P-Index
This Author published in this journals
All Journal JTERA (Jurnal Teknologi Rekayasa) Ainet : Jurnal Informatika Jurnal Digital Teknologi Informasi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Informatika Progres ARUS JURNAL SAINS DAN TEKNOLOGI
Bakti, Rizki Yusliana
Unknown Affiliation
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Penerapan Algoritma Mobilenet Single Shot Detector Untuk Deteksi Api dan Asap Berpotensi Kebakaran Pada Citra Hutan Salam, Abd; Bakti, Rizki Yusliana; Lukman; Rachman, Fahrim Irhamna
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kebakaran hutan merupakan ancaman besar terhadap lingkungan, terutama di kawasan tropis seperti Indonesia. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem deteksi api dan asap berbasis algoritma MobileNet Single Shot Detector (SSD) pada citra hutan. Dataset terdiri dari citra api dan asap yang dikumpulkan dari Lereng Pegunungan Bawakaraeng, Kabupaten Gowa, Sulawesi Selatan. Hasil penelitian menunjukkan bahwa sistem ini mampu mendeteksi api dan asap dengan tingkat akurasi yang memadai, di mana nilai Mean Average Precision (mAP) mencapai 31,5% dan Average Recall sebesar 56,6%.
Klasifikasi Mahasiswa Berpotensi Putus studi Menggunakan Algoritma Naive Bayes Pada Fakultas Teknik Unismuh Makassar Kamsurya, Rianita; Hayat, Muhyddin A.M; Bakti, Rizki Yusliana
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis faktor-faktor yang mempengaruhi potensi putus studi mahasiswa di Fakultas Teknik Universitas Muhammadiyah Makassar. Penelitian ini dilakukan di Universitas Muhammadiyah Makassar, khususnya di Fakultas Teknik, pada periode 2013 sampai 2015 Metode penelitian yang digunakan meliputi pengumpulan data, praproses data, pembagian data, klasifikasi menggunakan algoritma Naive Bayes, dan pengujian sistem. Dari hasil yang didapat, algoritma naive bayes memiliki hasil peforma yang cukup tinggi dengan akurasi sebesar 97%. Sehingga algoritma ini menjadi salah satu algoritma yang baik dalam mengklasifikasi mahasiswa potensi putus studi dan tidak potensi pada jurusan Teknik Informatika Universitas Muhammadiyah Makassar. Pengujian menggunakan 10-fold cross-validation menunjukkan rata-rata akurasi 95,38%. Hasil ini mengindikasikan bahwa algoritma Naïve Bayes dapat memberikan hasil yang konsisten dan andal dalam mengklasifikasikan mahasiswa berpotensi putus studi.
Klasifikasi Mahasiswa Berpotensi Putus Studi Menggunakan Algoritma Decision Tree pada Fakultas Teknik Unismuh Makassar Yumi; Lukman; Bakti, Rizki Yusliana
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Universitas Muhammadiyah Makassar (Unismuh Makassar) menghadapi tantangan signifikan dalam menangani masalah mahasiswa yang berpotensi putus studi, terutama di Fakultas Teknik. Faktor-faktor seperti rendahnya kemampuan akademik, keterbatasan biaya, dan kendala tempat tinggal menjadi pemicu utama masalah ini, yang pada gilirannya dapat menghambat kemajuan perguruan tinggi. Penelitian ini bertujuan untuk mengklasifikasikan mahasiswa yang berpotensi putus studi menggunakan Algoritma Decision Tree C4.5 dan mengevaluasi tingkat akurasi sistem klasifikasi tersebut. Penelitian ini menggunakan metode kuantitatif dengan analisis statistik deskriptif. Dataset yang dianalisis terdiri dari 5657 mahasiswa Fakultas Teknik Unismuh Makassar, dengan atribut-atribut seperti pekerjaan dan penghasilan orang tua/wali, IPK, SKS, dan variabel lainnya yang relevan dengan status akademik mahasiswa. Hasil penelitian menunjukkan bahwa Algoritma Decision Tree C4.5 mampu mengklasifikasikan mahasiswa yang berpotensi putus studi dengan akurasi sebesar 100%. Nilai rata-rata precision dan recall masing-masing adalah 100%, sedangkan nilai rata-rata f1-score mencapai 100%. Temuan ini mengindikasikan bahwa Algoritma Decision Tree C4.5 memiliki performa yang tinggi dan merupakan metode yang efektif dalam mengidentifikasi mahasiswa dengan risiko putus studi, sehingga memungkinkan perguruan tinggi untuk mengambil langkah-langkah preventif yang lebih tepat sasaran.
OPTIMALISASI DIAGNOSIS DINI DIABETES DENGAN MACHINE LEARNING: MODEL PREDIKTIF BERBASIS K-NEAREST NEIGHBOR Anggreani, Desi; Bakti, Rizki Yusliana; Lukman, Lukman; Dewi MJ, Wanda Tyrana; A M Hayat, Muhyddin
JTERA (Jurnal Teknologi Rekayasa) Vol 10, No 1: Juni 2025
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v10.i1.2025.89-98

Abstract

Diabetes merupakan penyakit tidak menular utama yang memberikan beban kesehatan global yang signifikan, dengan prevalensinya terus meningkat. Sebagai respons, penelitian ini mengembangkan aplikasi berbasis web untuk deteksi dini risiko diabetes menggunakan algoritma K-Nearest Neighbor (KNN), yang memanfaatkan Dataset lokal dari RSUD Kolonodale, Indonesia. Aplikasi ini memberikan alat yang efisien dan mudah diakses bagi masyarakat umum dan tenaga medis untuk memprediksi risiko diabetes berdasarkan indikator klinis utama seperti kadar gula darah, tekanan darah, Indeks Massa Tubuh (IMT), kadar insulin, dan riwayat keluarga. Model ini mencapai akurasi 93%, dengan precision 89%, recall 96%, dan F1-score 93%, yang menunjukkan efektivitasnya dalam membedakan antara kasus diabetes dan non-diabetes. Meskipun sistem ini menawarkan antarmuka pengguna yang ramah dan sumber daya edukasi tentang pencegahan diabetes, masih terdapat beberapa area yang perlu perbaikan, terutama dalam hal perluasan Dataset, penanganan kesalahan, dan performa pada beban pengguna yang tinggi. Aplikasi ini juga memiliki potensi untuk diintegrasikan dengan perangkat wearable dan chatbot berbasis AI untuk meningkatkan pemantauan secara real-time dan rekomendasi pencegahan yang dipersonalisasi. Pengembangan di masa depan dapat memperluas aplikasinya di fasilitas kesehatan baik di perkotaan maupun pedesaan.
Metode Pinhole Model untuk Menentukan Jarak Perpindahan Kendaraan dalam Video Bakti, Rizki Yusliana
Ainet : Jurnal Informatika Vol. 1 No. 2 (2019): September (2019)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v1i2.2378

Abstract

Intelligent Transportation System is a solution to overcome the problem of transportation. The purpose of this study was to design a system to calculate the distance of vehicle movement in the video. One example of application of intelligent transport system is to calculate the speed of a vehicle that can be used in traffic engineering. Parameters used to obtain the speed of the vehicle is the distance parameter. The distance of vehicle movement in the video can be obtained by using a pinhole camera calibration model. An appropriate calibration of camera can provide the intended parameter. There are several stages to perform calculation of the distance of object movement. The first stage was a detection of vehicle within the frame. The detection was required to obtain the center point of  vehicle object. The next stage was to detect an object within the frame. This was performed to understand the movement of object from one frame to another frame. The data used for the study were video data with mov format. The result of research showed that the method of pinhole model was applicable to calculate the distance of object movement in video. The application of this method can help in calculating the object distance without manual calculation.
Implementasi Augmented Reality pada Game Mobile dalam Memperkenalkan Sejarah Kemerdekaan Republik Indonesia Rahman, Fahrim Irhamna; Ismail, La Ode Taufik; Bakti, Rizki Yusliana
Ainet : Jurnal Informatika Vol. 5 No. 1 (2023): Maret (2023)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v5i1.12841

Abstract

Sudah banyaknya game edukasi sejarah yang dibuat namun belum ada yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Penelitian ini bertujuan agar menghasilkan aplikasi game yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Dalam pembuatan game ini melalui beberapa tahap, antara lain pembuatan usecase diagram, activity diagram, sequence diagram, perancangan komponen permainan dan pengujian aplikasi yang dimana pengujian aplikasi ini terdiri dari pengujian blackbox, pengujian intensitas cahaya dan pengujian respon siswa terhadap game edukasi sejarah ini. Di dalam game ini terdapat tank sebagai pemain serta turret dan tankmusuh sebagai lawan dari pemain dan juga terdapat cutscene intro dan outro yang digunakan sebagai media yang akan memberikan informasi pembelajaran didalam game ini. Kesimpulan yang didapatkan dari hasil pengujian game ini dimana para pelajar menikmati serta menanggapi bahwasanya game augmented reality ini dianggap menarik oleh mereka dalam mempelajari sejarah perjuangan kemerdekaan republik Indonesia sehingga mereka ingin kembali bermain dan mencoba jenis game edukasi yang serupa dan sejenis.
IMPLEMENTASI K-MEANS DAN ANALISIS SENTIMEN KRITIK SARAN BERBASIS NLP PADA DATA MONEV BBPSDMP KOMINFO MAKASSAR Akbar, Syahril; Faisal, Muhammad; Bakti, Rizki Yusliana; Syafaat, Muhammad; Syamsuri, Andi Makbul; AM Hayat, Muhyiddin; Anas, Lukman
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i2.465

Abstract

Manual analysis of large-scale and unstructured textual feedback data is often inefficient and subjective, thereby hindering data-driven decision-making. This study aims to design and implement an integrated analytical workflow to automatically filter, cluster, and classify feedback data consisting of criticisms and suggestions. The research employs a hybrid approach that begins with TF-IDF-based data filtering, followed by dimensionality reduction using Latent Semantic Analysis (LSA), and topic clustering through K-Means clustering optimized with the Silhouette Score. The resulting cluster labels are then used as training data to build a Multinomial Naive Bayes classification model. The results show that this workflow successfully identified two main thematic clusters, namely "Criticism and Expectations" and "Suggestions and Compliments", and the classification model achieved an overall accuracy of 91%. Although class imbalance affected the recall of the minority class (47%), the model demonstrated high precision (95%) for that class. It is concluded that this hybrid approach effectively transforms raw data into structured insights, and utilizing clustering results as training data is an efficient strategy for automating feedback categorization, providing a reliable tool for institutional analysis.
IMPLEMENTASI DEEP LEARNING MENGGUNAKAN HYBRID SENTENCE-TRANSFORMERS DAN K-MEANS UNTUK PERBANDINGAN JURNAL Faeruddin, Muhammad Asygar; Faisal, Muhammad; Bakti, Rizki Yusliana; Syafaat, Muhammad; AM Hayat, Muhyiddin; Syamsuri, Andi Makbul; Anas, Andi Lukman
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i2.466

Abstract

This study addresses the challenge of identifying semantic relatedness between scientific journal articles by developing a classification system based on deep learning. The system applies an unsupervised learning approach using the Sentence-Transformers model and K-Means clustering to generate semantic similarity scores and categorical labels. Abstracts from journal PDFs are extracted and processed to determine similarity levels across four predefined categories. The optimal number of clusters was determined using Elbow Method, Silhouette Score, and Davies-Bouldin Index, resulting in k = 4. The system is implemented as a web-based application that allows users to upload two PDF files, compare them semantically, and receive both a similarity score and an AI-generated narrative explanation. Functional testing showed that all core features performed as expected. This system significantly reduces the time required to assess relatedness between journal articles, offering an efficient tool for academic research navigation.
KLASIFIKASI TINGKAT KEMATANGAN LADA MENGGUNAKAN ENSEMBLE LEARNING BERDASARKAN CITRA WARNA KULIT Mujidah, Jihan Izzathul; Bakti, Rizki Yusliana; Lukman; Muhammad Faisal; Muhammad Syafaat; AM Hayat, Muhyiddin; Syamsuri, Andi Makbul
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i2.467

Abstract

Pepper fruit (Piper nigrum L.) is an agricultural commodity whose market value strongly depends on its ripeness level at harvest. Ripeness determination, which is still commonly performed through visual observation, tends to be inaccurate and subjective. This study aims to classify the ripeness level of pepper fruit based on skin color using an ensemble learning approach. The dataset consists of 1,996 pepper fruit images categorized into four ripeness levels unripe, semi ripe, ripe, and overripe. Color features were extracted from the HSV color model using color moment statistics including mean, standard deviation, and skewness. Random Forest and XGBoost models were combined using a soft voting method. The results show that the ensemble model achieved 98.25% accuracy, 98.30% precision, 98.27% recall, and 98.26% F1-score. The ensemble approach proved superior to single models by providing more accurate and stable classification of pepper fruit ripeness.
KLASIFIKASI PENYAKIT TANAMAN NILAM BERDASARKAN CITRA DAUN MENGGUNAKAN GLCM DAN SVM Sarina; Bakti, Rizki Yusliana; Muhammad Faisal; Muhammad Syafaat; Syamsuri, Andi Makbul; AM Hayat, Muhyiddin; Anas, Andi Lukman
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v17i2.469

Abstract

This study presents a classification model for detecting diseases in patchouli (Pogostemon cablin Benth) leaves using image processing techniques. The method combines Grey Level Co-occurrence Matrix (GLCM) for texture feature extraction and Support Vector Machine (SVM) for classification, optimised using the Particle Swarm Optimisation (PSO) algorithm. A total of 2,080 leaf images were collected and categorized into four classes: healthy, leaf spot, yellowing, and mosaic. Each image was augmented and converted to grayscale to enhance the dataset and reduce computational complexity. Four GLCM features—contrast, correlation, energy, and homogeneity—were extracted to represent leaf textures. The classification model achieved an accuracy of 89.74% using SVM alone, and improved to 97.12% when optimized with PSO. The results indicate that the integration of GLCM, SVM, and PSO provides an effective and accurate solution for early detection of patchouli leaf diseases, potentially supporting farmers in decision-making and improving crop productivity and quality.
Co-Authors A M Hayat, Muhyddin Akbar, Syahril AM Hayat, Muhyiddin Anas, Andi Lukman Anas, Lukman Anggreani, Desi Dewi MJ, Wanda Tyrana Dewi, Syamrilla Faeruddin, Muhammad Asygar Haruna, Hanjas Hayat, Muhyddin A.M Hayat, Muhyiddin A M Hayat, Muhyiddin Am Iskandar, Aryansyah Ismail, La Ode Taufik Kamsurya, Rianita Lukman LUKMAN, LUKMAN Muhammad Faisal Muhyiddin A M Hayat Mujidah, Jihan Izzathul Muslimah, Nurul Aulia Nur Alam Rachman, Fahrim Irhamna Rahman, Fahrim Irhamna S. Kuba, Muhammad Syafa'at Salam, Abd Sarina Sulaeman Syamsuri, Andi Makbul Thariq, Ahmad Usman, Ansharullah Patiroi Utama, Prengki Putra Wahyuni, Titin Yanti, Wilda Yumi