Article Per Year (5 Year)
p-Index From 2020 - 2025
7.015
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Tekno Insentif Jurnal Informatika Global Techno Xplore : Jurnal Ilmu Komputer dan Teknologi Informasi Jurnal Dedikasi Seminar Nasional Pengabdian Kepada Masyarakat Paradigma INOVASI: Jurnal Hasil Pengabdian Masyarakat Internet of Things and Artificial Intelligence Journal Indonesian Journal of Fundamental Sciences Teknovokasi : Jurnal Pengabdian Masyarakat Vokatek : Jurnal Pengabdian Masyarakat Information Technology Education Journal International Journal of Environment, Engineering, and Education Journal of Embedded Systems, Security and Intelligent Systems Jurnal Kemitraan Responsif untuk Aksi Inovatif dan Pengabdian Masyarakat Jurnal Informatika Polinema (JIP) Journal of Deep Learning, Computer Vision and Digital Image Processing Jurnal MediaTIK
Andi Akram Nur Risal
Universitas Negeri Makassar
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
Implementasi Algoritma Backpropagation untuk Klasifikasi Kualitasi Susu Sapi Adiba, Fhatiah; Risal, Andi Akram Nur; Tahir, Muhlis
Jurnal MediaTIK Volume 6 Issue 2, Mei (2023)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/mediatik.v6i2.1395

Abstract

Susu sapi memiliki manfaat yang penting bagi kesehatan manusia karena mengandung banyak nutrisi yang dibutuhkan tubuh. Beberapa manfaatnya antara lain meningkatkan kekuatan tulang, meningkatkan system kekebalan tubuh, serta berperan dalam pertumbuhan dan perkembangan. Produsen susu sapi memiliki peran penting dalam menghasilkan susu yang berkualitas. Untuk membantu produsen susu sapi untuk mendapatkan kualitas susu yang baik maka dibutuhkan system untuk melakukan klasifikasi penentuan kualitas susu dengan menggunakan algoritme Bakcpropagation. Data yang digunakan dalam penelitian ini sebanyak 1059 data dengan dengan hasil jenis kualitas susu yaitu tinggi, standar, dan rendah. Penentuan kualitas susu berdasarkan 7 parameter yaitu pH, Suhu, Rasa, Bau, Lemak, Kekeruhan, dan Warna. Tahapan penelitian yang dilakukan memiliki tiga tahapan, yakni pertama adalah pemilihan data yang optimal, tahap kedua pemilihan parameter optimal yang akan digunakan dalam implementasi algoritme Backpropagation, dan tahap ketiga pengujian implementasi algoritme. Hasil akurasi dengan menggunakan metode pengujian k-fold dengan nilai k=3, learning rate=0,5, jumlah iterasi (epoch)=750, dan jumlah hidden layer=7 mendapatkan akurasi tinggi sebesar 97.923%. Hal ini dapat membantu produsen susu sapi untuk mendapatkan kualitas susu yang baik dan memberikan kontribusi dalam pengembangan teknologi klasifikasi menggunakan algoritme pembelajaran mesin di industri susu sapi.
Word2Vec Approaches in Classifying Schizophrenia Through Speech Pattern Azis, Putri Alysia; Andi, Tenriola; Surianto, Dewi Fatmarani; Budiarti, Nur Azizah Eka; Risal, Andi Akram Nur; Zulhajji, Zulhajji
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 9 No 2 (2025): April 2025
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29207/resti.v9i2.6323

Abstract

Schizophrenia is a chronic brain disorder characterized by symptoms such as delusions, hallucinations, and disorganized speech, posing significant challenges for accurate diagnosis. This research investigates an innovative Natural Language Processing (NLP) framework for classifying the speech patterns of schizophrenia patients using Word2Vec, with the aim of determining whether there are significant differences between the two features. The dataset comprises speech transcriptions from 121 schizophrenia patients and 121 non-schizophrenia participants collected through structured interviews. This study compares two Word2Vec architectures, Continuous Bag-of-Words (CBOW) and Skip-Gram (SG), to determine their effectiveness in classifying schizophrenia speech patterns. The results indicate that the SG architecture, with hyperparameter tuning, produces more detailed word representations, particularly for low-frequency words. This approach yields more accurate classification results, achieving an F1-score of 93.81%. These results emphasize the effectiveness of the framework in handling structured and abstract linguistic patterns. By utilizing the advantages of both static and contextual embedding, this approach offers significant potential for clinical applications, providing a reliable tool for improving schizophrenia diagnosis through automated speech analysis.
Pelatihan Pembuatan Video Animasi dengan Aplikasi Animiz untuk Mendukung Pembelajaran Kreatif di Sekolah Dasar Nurjannah, Nurjannah; Kaswar, Andi Baso; Andayani, Dyah Darma; Dirawan, Gufran Darma; Risal, Andi Akram Nur
TEKNOVOKASI : Jurnal Pengabdian Masyarakat Volume 3: Issue 2 (May 2025)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/teknovokasi.v3i2.8327

Abstract

The training on creating animated videos using the Animiz application at SDN 2 Sinjai aimed to enhance teachers' competencies in developing creative and interactive digital learning media. This activity was conducted on December 16, 2024, through four stages: planning, implementation, observation, and evaluation, using a hands-on training approach combined with intensive mentoring. The results showed that teachers were able to understand the material well, operate the Animiz application independently, and produce animated videos relevant to primary school learning themes. The evaluation indicated that most participants responded very positively regarding the clarity of the material, the relevance of the training, and the ease of using the application. Despite some technical challenges and time constraints, the training was considered effective in improving teachers' motivation and skills in utilizing digital technology. This initiative serves as a strategic first step in promoting digital transformation in primary schools and should be followed up with advanced training and continuous mentoring.
Penerapan Data Science sebagai Upaya Meningkatkan Kompetensi Mahasiswa di Era Industri Modern Rivai, Andi Tenri Ola; Risal, Andi Akram Nur; Edy, Marwan Ramdhany; Adiba, Fhatiah; Kaswar, Andi Baso
TEKNOVOKASI : Jurnal Pengabdian Masyarakat Volume 3: Issue 2 (May 2025)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/teknovokasi.v3i2.8450

Abstract

Data Science adalah bidang multidisipliner yang menggabungkan statistik, analitik data, dan machine learning untuk mengolah data besar menjadi informasi yang bermakna berbasis Data. Program Pengabdian kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan pemahaman mahasiswa terhadap konsep dan penerapan Data Science melalui workshop berbasis praktik. Kegiatan dilaksanakan dalam bentuk workshop satu hari yang mencakup materi eksplorasi data, visualisasi, dan penerapan algoritma sederhana menggunakan Python dan Google Colab. Peserta yang terdiri dari mahasiswa program studi Teknologi Informasi Universitas Bosowa menunjukkan peningkatan pemahaman terkait Data Science dan keberhasilan dalam mengerjakan mini-proyek berbasis data. Keberhasilan kegiatan ini didukung oleh antusiasme peserta, fasilitas yang memadai, serta pendekatan pembelajaran yang aplikatif dan interaktif. Namun, terdapat beberapa hambatan seperti keterbatasan waktu, variasi tingkat kemampuan peserta, dan kendala koneksi internet saat pelatihan. Secara keseluruhan, pelatihan ini memberikan kontribusi nyata terhadap peningkatan literasi data dan keterampilan digital mahasiswa serta relevan untuk diterapkan secara berkelanjutan di institusi pendidikan tinggi.
Clustering Stok Material Di Pdam Kota Makassar Wilayah Pelayanan Vi Menggunakan Algoritma K-Means Zain, Satria Gunawan; Tahir, Renisa Amalia; Risal, Andi Akram Nur
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

Perusahaan Daerah Air Minum (PDAM) Kota Makassar Wilayah Pelayanan VI mengalami kesulitan dalam memanajemen stok materialnya terutama dalam hal pengelompokan material berdasarkan rendah atau tingginya penggunaan material. Hal tersebut mengakibatkan seringnya terjadi kekurangan dan kelebihan stok yang dapat menghambat kegiatan dan meningkatkan biaya operasional di PDAM. Oleh karena itu, diterapkan metode clustering menggunakan algoritma k-means untuk mengelompokkan jenis material berdasarkan tingkat penggunaannya. Penelitian ini bertujuan membantu PDAM dalam mengelola stok material dengan lebih baik dengan mengidentifikasi tingkat kebutuhan berdasarkan pola penggunaan sebelumnya. Penelitian ini meliputi tahap identifikasi masalah, pengumpulan data, preprocessing data mencakup data selection, data reduction dan data integration, data transformation, dan standarisasi data, penerapan algoritma clustering, evaluasi hasil clustering, dan visualisasi hasil clustering. Hasil clustering menunjukkan bahwa jumlah cluster optimal yang diperoleh adalah 2, yaitu Cluster_0 (penggunaan rendah) dengan 123 jenis material dan Cluster_1 (penggunaan tinggi) dengan 2 jenis material. Kualitas cluster berdasarkan nilai silhouette menunjukkan hasil yang cukup baik dimana Cluster_0 sebesar 0.939 dan Cluster_1 sebesar 0.816, dan nilai silhouette score yaitu 0.937. Hasil clustering sebagai rekomendasi dalam menentukan kebutuhan stok material di masa depan sehingga dapat meningkatkan efisiensi pengelolaan stok material di PDAM Kota Makassar Wilayah Pelayanan VI.   Abstract Regional Drinking Water Company (PDAM) Makassar City Service Region VI has difficulty managing its material stock, especially in grouping materials based on low or high material usage. This results in frequent shortages and excess stock, which can hamper activities and increase operational costs at the PDAM. Therefore, a clustering method using the k-means algorithm is applied to group material types based on their level of use. This research aims to assist the PDAM in managing material stocks better by identifying the level of need based on previous usage patterns. This research includes problem identification, data collection, data preprocessing, data selection, data reduction and integration, data transformation, data standardization, the application of clustering algorithms, evaluation of clustering results, and visualization of clustering results. The clustering results show that the optimal number of clusters obtained is 2, namely Cluster_0 (low usage) with 123 types of materials and Cluster_1 (high usage) with two types of materials. Cluster Quality Based on the silhouette value shows quite good results where Cluster_0 is 0.939, Cluster_1 is 0.816, and the silhouette score is 0.937. The clustering results are a recommendation for determining future material stock needs to improve the efficiency of material stock management at PDAM Makassar City Service Area VI.
K-Means++ and TF-IDF for Grouping Library Books by Topic Pamput, Jessicha Putrianingsih; Muthmainnah, Aindri Rizky; Risal, Andi Akram Nur; Surianto, Dewi Fatmarani
Paradigma - Jurnal Komputer dan Informatika Vol. 27 No. 2 (2025): September 2025 Period
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/p.v27i2.8272

Abstract

The grouping of library materials in the Department of Informatics and Computer Engineering (JTIK) at Universitas Negeri Makassar (UNM) is still conducted using a conventional system that relies on predefined categories and librarian intuition. This approach often leads to inconsistencies in book categorization, making it difficult for users to find relevant references efficiently. To address this issue, this research applies the K-Means++ clustering method, which optimizes centroid initialization for more accurate cluster formation. Books are grouped based on the TF-IDF weighting matrix, resulting in six distinct clusters characterized by unique centroid values. Analysis of the top 10 words per cluster highlights dominant topics within each group. The clustering quality was evaluated using the Silhouette Coefficient, with the highest value of 0.04299, indicating a well-separated cluster structure. These findings demonstrate that K-Means++ effectively organizes books based on word similarity, enhancing library material management and improving information retrieval in the JTIK library.
Co-Authors A. Arfan Fauzi Abdul Wahid Abdul Wahid Adiba, Fhatiah Adibah, Fhatiah Al Imran Alfian Firlansyah Alifya NFH Alifya Nurilmi Fony Hasanuddin Amri, Muh. Aidil Andi Aisyah Nurfitri Andi Alamsyah Rivai Andi Alviadi Nur Risal Andi Baso Kaswar Andi Baso Kaswar Andi Sadri Agung Andi, Tenriola Anita Candra Dewi Asmaul Husnah Nasrullah Azis, Putri Alysia Bakri, Muh. Fajrin Baktiar, Nurul Isra Humaira Budiarti, Nur Azizah Eka Desy Maryani Dewi Fatmarani Surianto Dirawan, Gufran Darma Dwi Rezky Anandari Sulaiman Edy, Marwan Ramdhany Fathahillah Fathahillah Fathahillah Fathahillah Fathahillah Fhatiah Adiba Fhatiah Adiba Fhatiah Adiba Fhatiah Adiba Firman, Risman Gufria Darma Irasanty Hartanto Tantriawan Irensi Seppa, Yusi Iwan Suhardi M. Miftach Fakhri M. Syahid Nur Wahid Muh. Rizal Samad Muhammad Akbar Muhammad Akbar Amir Muhammad Fajar B Muhammad Nur Yusri Muhlis Tahir Muliadi Muliadi Mulyati Yantahing Muthmainnah, Aindri Rizky NFH, Alifya Ninik Rahayu Ashadi Nur Azizah Ayu Safanah NUR FADILLAH Nur Inayah Yusuf Nurfitri, Andi Aisyah Nurjannah Nurjannah Nurjannah Nurjannah Nurjannah Nurul Mukhlisah Abdal Pamput, Jessicha Putrianingsih Parenreng, Jumadi M. R., Mantasiah Rezki Nurul Jariah S.Intam Ridwan Daud Mahande Rivai, Andi Muhammad Rivai, Andi Tenri Ola RR. Ella Evrita Hestiandari Satria Gunawan Zain Sitti Syarifah Wafiqah Wardah Surianto, Dewi Fatmawati Syahrul Tahir, Muhlis Tahir, Renisa Amalia Trisakti Akbar Wahid, M Syahid Nur Wulandari Zulhajji, Zulhajji