Article Per Year (5 Year)
p-Index From 2021 - 2026
2.064
P-Index
This Author published in this journals
All Journal Jurnal Janitra Informatika dan Sistem Informasi INOTEK JUSIFOR : Jurnal Sistem Informasi dan Informatika JUSTIFY : Jurnal Sistem Informasi Ibrahimy Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat JAR'S (Journal of Advanced Research in Informatics) JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Ridla, Muhammad Ali
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Library & Information Science Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Prediksi Nilai Impor Susu Segar Menggunakan Algoritma Backpropagation Rodia, Siti Aysatin; Ridla, Muhammad Ali
Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat Vol. 2 No. 1 (2024): Februari 2024 - Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ahsana.v2i1.352

Abstract

Susu segar, yang dibuat dari sapi perah, memiliki manfaat karena dapat mengurangi risiko berbagai penyakit dan membantu meningkatkan kinerja otak. Tidak jelas berapa banyak susu yang diproduksi di Indonesia setiap tahun. Permintaan susu hanya sebesar tiga puluh persen, dan sisanya tujuh puluh persen berasal dari impor. Sebaliknya, tingkat konsumsi susu per orang di Indonesia relatif rendah, dan negara itu sangat bergantung pada impor, menyumbang 74% dari kebutuhan susunya. Perkembangan pertanian belum mampu menciptakan daya saing yang kuat dan memanfaatkan keunggulan komparatif secara optimal. Sebaliknya, konsumsi makanan di kalangan masyarakat berpendapatan menengah dan tinggi terus meningkat. Indonesia harus mengimpor makanan dalam jumlah yang sebanding.
Prediksi Pelanggaran Lalu Lintas Di Kabupaten Karangasem Menggunakan Algoritma Neural Network Latifah, Tadzkirotul; Ridla, Muhammad Ali
Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat Vol. 2 No. 1 (2024): Februari 2024 - Ahsana: Jurnal Penelitian dan Pengabdian kepada Masyarakat
Publisher : Indonesian Scientific Journal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59395/ahsana.v2i2.360

Abstract

Pelanggaran lalu lintas merupakan suatu bentuk tindakan atau perilaku yang melanggar peraturan yang telah ditetapkan pada para pengendara bermotor dalam penggunaan jalan raya. Oleh karena itu penelitian ini diharapkan dapat mengembangkan dan menerapkan model prediksi pelanggaran lalu lintas menggunakan algoritma Neural Network di Kabupaten Karangasem untuk membantu aparat kepolisian dan pihak berwenang dalam mengambil tindakan yang tepat dan tepat waktu untuk meminimalkan potensi pelanggaran. Metode Neural Network dilakukan dengan menggunakan perangkat lunak Zaitun Time series merupakan aplikasi yang digunakaan oleh peneliti untuk memprediksi pelanggaran lalu lintas pada kabupaten Karangasem. Setelah melakukan beberapa percobaan yaitu input layer 2-20 dan hidden layer 1-5. nilai terkecil berada pada input layer 20 dan hidden layer 3 yang menghasilkan nilai ERROR 1,71961 MAE 0,22518 MSE 0,08719 RMSE 0,29528.
KLASIFIKASI PENYAKIT TBC MENGGUNAKAN METODE K-NEAREST NEIGHBORS (KNN) IIN, Nur Inayah; Ridla, Muhammad Ali
Journal of Advanced Research in Informatics Vol 4 No 1 (2025): Journal of Advanced Research in Informatics
Publisher : Fakultas Teknik, Universitas Wiraraja

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24929/jars.v4i1.4429

Abstract

- Tuberkulosis (TBC) merupakan penyakit yang dapat menular, disebabkan oleh bakteri Mycobacterium tuberkulosis. Penyakit ini dapat menyebar dengan cepat dan memberikan dampak yang signifikan terhadap kesehatan masyarakat, baik di kalangan anak-anak, dewasa, dan orang tua. Cara penularan yang paling sering terjadi adalah melalui langsung, terutama dari orang tua atau anggota keluarga kepada anak-anak. Menurut data yang dirilis oleh WHO, Indonesia menempati urutan kedua di dunia dalam hal jumlah kasus TBC, dengan angka kejadian sebesar 354 per 100.000 penduduk pada tahun 2021. karena itu, diperlukan deteksi yang cepat dan metode klasifikasi yang tepat. Salah satu metode yang bisa diterapkan adalah algoritma K-Nearest Neighbors (KNN) untuk memprediksi kondisi pasien berdasarkan informasi yang ada. Penelitian ini menganalisis 300 data pasien dengan 8 atribut sebagai klasifikasi variabel untuk menentukan apakah pasien terinfeksi TBC positif atau negatif. Proses KNN dilakukan menggunakan software RapidMiner . Kata kunc i : K-Nearest Neighbors (KNN) Klasifikasi Penyakit TBC RapidMiner
Prediksi Tren Minat Masyarakat Indonesia Terhadap Teknologi Artificial Intelligence (AI) di Era Model AI Generatif 2025 Dengan Algoritma Triple Exponential Smoothing Octavia, Imelda Valentina; Ridla, Muhammad Ali
JUSTIFY : Jurnal Sistem Informasi Ibrahimy Vol. 4 No. 1 (2025): JUSTIFY : Jurnal Sistem Informasi Ibrahimy
Publisher : Fakultas Sains dan Teknologi, Universitas Ibrahimy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/justify.v4i1.7760

Abstract

Advancements in information and communication technology (ICT) have significantly driven the adoption of Artificial Intelligence (AI), including in Indonesia. This study aims to analyze public interest trends in AI among Indonesian citizens based on Google Trends data from 2015 to 2025, forecast future trends using the Holt-Winters Exponential Smoothing method, and evaluate the accuracy of the generated forecasting model. The research adopts the Knowledge Discovery in Databases (KDD) approach, involving data selection, preprocessing, pattern exploration, and result evaluation. Data was collected using the keyword “Artificial Intelligence” on the Google Trends platform, limited to the Indonesian region. The analysis reveals a notable rise in public interest since 2021, along with a consistent seasonal pattern each year. The Holt-Winters method effectively models both trend and seasonality, supported by data decomposition visualization and validation through the Augmented Dickey-Fuller (ADF) test. The study also presents a web-based forecasting model developed using the Streamlit framework, enabling interactive application. These findings offer an initial reference for understanding Indonesia’s readiness to adopt AI and serve as input for data-driven national technology policy development.  
Co-Authors Azise, Nur Darwis Alwan Fatimatus Zahra, Fatimatus iin, Nur Inayah Latifah, Tadzkirotul Moh. Baha'Uddin Novia, Lisa Nurul Istiqomah Octavia, Imelda Valentina Rahma, Elvi Nazulia Rahman, M. Fahrizal Rodia, Siti Aysatin