Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jusikom: Jurnal Sistem Informasi Ilmu Komputer Digital Transformation Technology (Digitech) Aceh International Journal of Science and Technology
Nanda, Muhammad
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Engineering Library & Information Science

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Implemantasi Mask R-CNN pada Perhitungan Tinggi dan Lebar Karang untuk Memantau Pertumbuhan Transplantasi Karang Alkhalis, Naufal; Husaini, Husaini; Haekal Azief Haridhi; Maretna, Cut Nadilla; Nur Fadli; Haditiar, Yudi; Nanda, Muhammad; Ulfah, Maria; Kris Handoko; Intan Malayana; Arsa Cindy Safitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 3: Juni 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.938374

Abstract

Indonesia merupakan negara kepulauan dengan terumbu karang yang tinggi dan keanekaragaman hayati laut yang kompleks. Namun, setidaknya 45% dari terumbu karang di Indonesia dalam kondisi terancam disebabkan oleh beberapa faktor seperti ulah manusia, perubahan iklim, lingkungan sekitar, lambatnya laju pertumbuhan dan lain sebagainya. Transplantasi karang telah menjadi salah satu pendekatan yang dilakukan untuk konservasi. Penelitian ini mengimplementasikan algoritma Mask Region-based Convolutional Neural Network (Mask R-CNN) dengan Pustaka Detectron2 dalam deteksi dan segmentasi objek untuk menghitung tinggi dan lebar karang transplantasi melalui citra. Metode penelitian melibatkan pengumpulan dataset, pembagian dataset, anotasi dataset, implementasi model, evaluasi model, dan mengitung laju pertumbuhan karang. Implementasi model melibatkan 7 backbone segmentasi instance dengan jadwal laju pembelajaran sebesar 3 kali. Hasil penelitian menunjukkan bahwa dari ketujuh backbone yang diuji X101-FPN dan R101-DC5 menghasilkan presisi dan recall yang lebih baik. Selisih Average Presision (AP) antara kedua model terbaik tersebut untuk segmentasi mask pada Intersection over Union (IoU) maksimum sebesar 2,2% sedangkan untuk deteksi box sebesar 5,8%. Sedangkan selisih Average Recall (AR) untuk segmentasi mask sebesar 8,3% dan deteksi box sebesar 5,2%. Hasil segmentasi X101-FPN dipilih untuk mengukur tinggi dan lebar karang yang telah di transplantasi, sehingga dapat digunakan untuk memantau laju pertumbuhan dari transplantasi karang.
APLIKASI PENATAAN LETAK BARANG DI IMAM MARKET DENGAN METODE APRIORI Nanda, Muhammad
Jurnal Sistem Informasi dan Ilmu Komputer Vol. 1 No. 1 (2017): JURNAL SISTEM INFROMASI DAN ILMU KOMPUTER PRIMA (JUSIKOMP)
Publisher : Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (576.294 KB)

Abstract

Abstrak—Penjualan imam market kisaran setiap bulannya mengalami peningkatan, barang yang dijual sangat banyak dan berbagai jenis barang ada disini. Pemilik Imam Market mengalami kesulitan untuk tata letak barang yang sering dibeli oleh konsumen secara bersamaan.Pada data mining, algoritma apriori merupakan salah satu solusi pemecahan masalah yaitu mengetahui barang yang dibeli secara bersamaan oleh konsumen. Dalam algoritma apriori penentuan nilai support sangat menentukan barang yang sering dibeli bersamaan. Penulis harus menetapkan terlebih dahulu nilai support minimal yang dijadikan acuan.
Monitoring Forest Cover Loss Due to The Impact of Mining Activities Using Google Earth Engine in West Aceh Regency Hani, Fajrul; Alhafsi, Muhammad Arfan; Sandriadi, Wahyu; Farhan, Muhammad; Sugiyanto*, Didik; Nanda, Muhammad
Aceh International Journal of Science and Technology Vol 14, No 1 (2025): April 2025
Publisher : Graduate School of Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.13170/aijst.14.1.43410

Abstract

In recent years, forest areas in Aceh Province, especially in West Aceh Regency, have experienced a significant decline in forest cover. This can negatively impact biodiversity, community quality of life, and natural disaster risk, exacerbating global climate change. The fact that West Aceh is one of the regencies with the highest number of gold and coal mining companies in Aceh is a significant concern when assessing whether mining activities impact forest cover loss. This study aims to monitor and quantify forest cover change and the impact of mining activities in Aceh Barat from 2019 to 2024. The research methodology included the use of Google Earth Engine (GEE) for Sentinel-2 satellite image analysis by calculating the Normalized Difference Vegetation Index (NDVI); NDVI values above 0.7 were classified as forest, values below 0.7 as non-forest, and negative values as water bodies. The analysis showed that forest cover loss in West Aceh reached 13030.84 ha over the last five years at an average rate of 2606.17 ha/year. Illegal gold mining activities contributed 12.8%, legal coal mining 10.2%, and legal gold mining 7.3% to forest cover loss, while non-mining factors caused 69.7%. This study presents a cost-effective forest monitoring method that supports biodiversity protection and improved forest management policies in mining areas.
Implementasi Mask R-Cnn Pada Perhitungan Persentase Tutupan Karang Untuk Memantau Ekosistem Terumbu Karang Maretna, Cut Nadilla; Husaini; Haridhi, Haekal Azief; Alkhalis, Naufal; Nur Fadli; Haditiar, Yudi; Nanda, Muhammad; Ulfah, Maria; Kris Handoko; Intan Malayana; Arsa Cindy Safitri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 4: Agustus 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.124

Abstract

Terumbu karang memiliki peranan penting bagi kehidupan di laut. Namun, ekosistem terumbu karang sangat rentan mengalami kerusakan karena sejumlah faktor seperti aktivitas manusia, perubahan iklim, lambatnya laju pertumbuhan dan sebagainya. Upaya pelestarian terumbu karang telah dilakukan, namun pemantauan masih minim. Oleh karena itu, pemantauan ekosistem terumbu karang perlu ditingkatkan untuk mengetahui kondisi terumbu karang sebenarnya. Persentase tutupan karang adalah indikator yang perlu diketahui sebagai penentuan tingkat kehidupan terumbu karang. Proses pemantauan terumbu karang saat ini masih dilakukan secara konvensional, sehingga proses pemantauan tidak efisien dan perolehan informasi mengenai persentase tutupan karang membutuhkan waktu yang panjang. Penelitian ini mengimplementasikan algoritma Mask Region Convolutional Neural Network (Mask R-CNN) pada library Detectron2 untuk melakukan deteksi dan segmentasi objek tutupan karang pada ekosistem terumbu karang dengan menggunakan citra terumbu karang sebagai input. Model yang digunakan untuk segmentasi instance pada citra terumbu karang ini dilatih dengan menggunakan backbone Residual Network (ResNet) dan Residual Networks Next (ResNeXt) yang terdapat pada library Detectron2. Model backbone dievaluasi berdasarkan matriks presisi dan recall. Hasil penelitian menunjukkan ResNeXt101-FPN merupakan backbone terbaik dalam menghasilkan segmentasi. Hasil proses segmentasi tersebut kemudian digunakan untuk menghitung persentase tutupan karang. Berdasarkan hasil perhitungan, persentase tutupan karang dengan data yang diuji adalah sebesar 86,06%. Dengan demikian, proses perhitungan persentase tutupan karang untuk memantau ekosistem terumbu karang dapat dilakukan dengan efisien dan informasi mengenai persentase tutupan karang dapat diperoleh dalam waktu yang singkat.   Abstract Coral reefs have an important role for life in the sea. However, coral reef ecosystems are very vulnerable to damage due to a number of factors such as human activities, climate change, slow growth rates and so on. Efforts to preserve coral reefs have been made, but monitoring remains minimal. Therefore, coral reef ecosystem monitoring needs to be enhanced to assess their actual condition. The percentage of coral cover is an indicator that needs to be known as a determination of the life rate of coral reefs. The current coral reef monitoring process is still carried out conventionally, so the monitoring process is inefficient and obtaining information about the percentage of coral cover takes a long time. This study implements the Mask Region Convolutional Neural Network (Mask R-CNN) algorithm in the Detectron2 library to detect and segment coral cover objects in coral reef ecosystems using coral reef images as input. The model used for instance segmentation on coral reef images was trained using the Residual Network (ResNet) and Residual Networks Next (ResNeXt) backbones, which are available in the Detectron2 library. The backbone model is evaluated based on precision and recall matrices. The results show that ResNeXt101-FPN is the best backbone in producing segmentation. The results of the segmentation process are then used to calculate the percentage of coral cover. Based on the calculation results, the percentage of coral cover with the tested data was 86.06%. Thus, the process of calculating the coral cover percentage to monitor coral reef ecosystems can be carried out efficiently and information about the coral cover percentage can be obtained in a short time.
Perancangan Sistem Pendukung Keputusan Penentuan Pelanggan Prioritas Menggunakan Metode Topsis Berbasis Web Nanda, Muhammad; Mulyati, Mulyati
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5361

Abstract

PT. Pan Pacific Insurance di dirikan pada tahun 1997 dan berlokasi di Jalan Mayor Ruslan No. 961C, Jl. Tuanku Tambusai No, 9, Kota Palembang, Sumatera Selatan. Merupakan Perusahaan asuransi umum yang mengkhususkan diri dalam asuransi kendaraan, marine cargo dan harta benda. Dengan visi menjadi perusahaan asuransi yang handal dan terbaik serta komitmen untuk pertumbuhan berkelanjutan, perusahaan bertujuan untuk menyediakan layanan bernilai tinggi kepada pelanggan dan pemangku kepentingan melalui produk-produk inovatif dan berorientasi solusi. PT. Pan Pacific Insurance terindikasi dengan beberapa kendala yaitu dalam penentuan pelanggan prioritas masih dilakukan secara manual tanpa menggunakan perhitungan berdasarkan kriteria dan sub kriteria, Sehingga belum adanya sistem dalam menilai dan memanfaatkan data pelanggan prioritas secara akurat dan terstruktur. Sistem yang dibangun dirancang khsusus untuk menentukan pelanggan prioritas dengan parameter yang telah ditentukan oleh perusahaan. Sistem penentuan pelanggan prioritas yang dibangun mampu mengelola data pelanggan, data kriteria dan sub kriteria, menginput nilai parameter guna mencari dan menentukan pelanggan prioritas menggunakan metode TOPSIS. Pengembangan dalam merancang sistem menggunakan metode RUP agar hasil dari penelitian sistem yang dirancang memiliki pendekatan yang lebih objektif dalam menentukan pelanggan prioritas yang di hitung menggunakan metode TOPSIS.
Co-Authors Alhafsi, Muhammad Arfan Alkhalis, Naufal Arsa Cindy Safitri Haditiar, Yudi Haekal Azief Haridhi Hani, Fajrul Haridhi, Haekal Azief Husaini Husaini Husaini Intan Malayana Kris Handoko Maretna, Cut Nadilla Maria Ulfah Muhammad Farhan Mulyati Mulyati Nur Fadli Sandriadi, Wahyu Sugiyanto*, Didik Yudi Haditiar