Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika UNIKA Santo Thomas MULTINETICS Jurnal Teknik Informatika Unika Santo Thomas (JTIUST)
Kharil Anwar, Muhammad
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pemanfaatan Big Data dalam Menangani Data Peningkatan Pasien COVID-19 di Indonesia Arisadewo, Lazuardi; Daeng Mappa, Andi Irfan; Kharil Anwar, Muhammad; Hasugian, Reny Agustina
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/jtiust.v6i1.1319

Abstract

Pada akhir tahun 2019, dunia dihebohkan dengan sebuah kejadian sebuah kasus pneumonia yang teridentifikasi sebagai jenis baru coronavirus yang berasal dari Kota Wuhan, China. Virus ini dapat menyebar pada hewan dan manusia, yang mana virus ini akan menyerang saluran pernafasan hingga dapat menyebabkan Sindrom Pernafasan Akut Berat (SARS). Penyebaran dan peningkatan jumlah kasus COVID-19 terjadi dengan waktu yang sangat cepat dan telah menyebar ke beberapa negara termasuk Indonesia. Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis disimpan dalam bentuk digital. Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang besar tetapi juga bersifat kompleks, variatif, dan aktual. Dengan adanya big data dapat lebih mempermudah para dokter dan suster dalam menangani peningkatan pasien COVID-19 di Indonesia. Selain itu, penggunaan big data dapat mempermudah masyarakat untuk mendapatkan informasi tentang penyebaran COVID-19. Penelitian ini bertujuan guna memahami peranan dan implementasi big data dalam menangani data peningkatan pasien COVID-19 di Indonesia.
Pemanfaatan Big Data dalam Menangani Data Peningkatan Pasien COVID-19 di Indonesia Arisadewo, Lazuardi; Daeng Mappa, Andi Irfan; Kharil Anwar, Muhammad; Hasugian, Reny Agustina
Jurnal Teknik Informatika UNIKA Santo Thomas Vol 6 No. 1 : Tahun 2021
Publisher : LPPM UNIKA Santo Thomas

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1205.365 KB) | DOI: 10.54367/jtiust.v6i1.1319

Abstract

Pada akhir tahun 2019, dunia dihebohkan dengan sebuah kejadian sebuah kasus pneumonia yang teridentifikasi sebagai jenis baru coronavirus yang berasal dari Kota Wuhan, China. Virus ini dapat menyebar pada hewan dan manusia, yang mana virus ini akan menyerang saluran pernafasan hingga dapat menyebabkan Sindrom Pernafasan Akut Berat (SARS). Penyebaran dan peningkatan jumlah kasus COVID-19 terjadi dengan waktu yang sangat cepat dan telah menyebar ke beberapa negara termasuk Indonesia. Perkembangan berbagai teknologi basis data membuat beragam data dan informasi medis disimpan dalam bentuk digital. Data medis saat ini hadir dalam bentuk big data, yaitu data yang tidak hanya memiliki jumlah yang besar tetapi juga bersifat kompleks, variatif, dan aktual. Dengan adanya big data dapat lebih mempermudah para dokter dan suster dalam menangani peningkatan pasien COVID-19 di Indonesia. Selain itu, penggunaan big data dapat mempermudah masyarakat untuk mendapatkan informasi tentang penyebaran COVID-19. Penelitian ini bertujuan guna memahami peranan dan implementasi big data dalam menangani data peningkatan pasien COVID-19 di Indonesia.
Deteksi Penyakit Pada Daun Padi Berbasis Pengolahan Citra Menggunakan Metode Convolutional Neural Network (CNN) Sheila, Syenira; Permata Sari, Irma; Bagas Saputra, Adrie; Kharil Anwar, Muhammad; Restu Pujianto, Farid
MULTINETICS Vol. 9 No. 1 (2023): MULTINETICS Mei (2023)
Publisher : POLITEKNIK NEGERI JAKARTA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32722/multinetics.v9i1.5255

Abstract

Abstract - Rice, produced by rice plants, is a staple food for the people of Asia, especially Indonesia. The amount of rice consumption is increasing along with the increase in population. Therefore, it is essential to keep rice production stable so that demand can be fulfilled. Leaf disease of rice plants is the biggest cause of crop failure which can lead to production instability. This study aims to detect disease in rice plant leaves based on their type using the Convolutional Neural Network (CNN) with the VGG16 architecture base model. In this study, a dataset of rice plant leaf images was collected using the secondary data collection method. The dataset was obtained from the Kaggle dataset repository in .csv format published by Vbookshelf. The image dataset consists of 120 data which is divided into 3 classes based on the type of rice leaf disease namely bacterial leaf bright, brown spot, and leaf smut with each class consisting of 40 image data. In this study, the resizing process was carried out on image data with a size of 224x224 pixels and image data augmentation. The training and testing results in this study showed that the training accuracy value reached 0.9861 and the validation accuracy value reached 1.0. By using the accuracy value in the Confusion Matrix which is equal to 100%, it is obtained that the results of applying the Convolutional Neural Network (CNN) have perfect accuracy.
Co-Authors Arisadewo, Lazuardi Bagas Saputra, Adrie Daeng Mappa, Andi Irfan Hasugian, Reny Agustina Permata Sari, Irma Restu Pujianto, Farid Sheila, Syenira