Article Per Year (5 Year)
p-Index From 2021 - 2026
6.495
P-Index
This Author published in this journals
All Journal Jurnal Keperawatan PROtek : Jurnal Ilmiah Teknik Elektro Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Promotif: Jurnal Kesehatan Masyarakat Jurnal INSYPRO (Information System and Processing) Jurnal Manajemen Kesehatan Yayasan RS.Dr. Soetomo JURNAL INSTEK (Informatika Sains dan Teknologi) Jurnal Informasi Kesehatan Indonesia (JIKI) Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI) Ainet : Jurnal Informatika Madaniya J-PEN Borneo : Jurnal Ilmu Pertanian Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Joutica : Journal of Informatic Unisla Jurnal Ilmu Komputer Jurnal Informatika Progres International Journal of Health and Information System (IJHIS) Jurnal Abdimas Jatibara ARUS JURNAL SAINS DAN TEKNOLOGI Jurnal Intelek Insan Cendikia Journal of Muhammadiyah’s Application Technology
Titin Wahyuni
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities 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 Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 55 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 55 Documents
Search

 2   3   4   5   6 
KLASIFIKASI SARAN DAN KRITIK PADA SIMAK UNISMUH DENGAN MENGGUNAKAN ALGORTIMA RECCURENCT NEURAL NETWORK (RNN faisal, Ahmad; Wahyuni, Titin; Rachman, Fahrim Irhamna
Ainet : Jurnal Informatika Vol. 6 No. 2 (2024): September (2024)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v6i2.15736

Abstract

SIMAK Unismuh Makassar merupakan platform penting yang digunakan oleh mahasiswa untuk menyampaikan saran dan kritik terkait berbagai aspek akademik. Dalam penelitian ini, peneliti mengimplementasikan algoritma Recurrent Neural Network (RNN) untuk mengklasifikasikan saran dan kritik yang diterima melalui SIMAK Unismuh. Tujuan dari penelitian ini adalah untuk mengetahui implementasi Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh dan bagaimana keberhasilan Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh. RNN dipilih karena kemampuannya dalam mengolah data teks yang berurutan, seperti masukan dalam bentuk kalimat, yang memungkinkan model untuk menangkap konteks dari masukan tersebut secara lebih efektif. Dataset yang digunakan dalam penelitian ini terdiri dari sejumlah data saran dan kritik yang telah dikategorikan secara manual. Model RNN yang dibangun kemudian dilatih dan diuji menggunakan data tersebut untuk menilai akurasi dan performanya. Hasil penelitian menunjukkan menunjukkan bahwa model mencapai akurasi tertinggi sebesar 91% dan akurasi terendah sebesar 90%. Meskipun terdapat variasi dalam performa model, hasil ini menunjukkan bahwa RNN memiliki potensi yang baik dalam mengklasifikasikan teks saran dan kritik. Model RNN dapat membantu institusi dalam memahami dan merespon masukan dari pengguna dengan lebih efektif, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan konsistensi dan akurasi hasil. Kesimpulan dari penelitian ini menunjukkan bahwa model RNN mampu mengklasifikasikan saran dan kritik dengan tingkat akurasi yang memadai. Penerapan model ini diharapkan dapat membantu pihak administrasi Unismuh dalam mengelola masukan dari mahasiswa secara lebih efisien, serta memberikan respons yang lebih tepat dan cepat terhadap kebutuhan akademik.
PREDIKSI PEMAKAIAN AIR BULANAN DI PDAM KECAMATAN TAMALATE MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Syarifuddin, Nur Annisa; Wahyuni, Titin; Faisal, Muhammad; Syafaat, Muhammad; 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.v17i2.471

Abstract

Water consumption forecasting is a crucial aspect of efficient water resource management, particularly in urban areas with increasing demand. This study aims to predict the monthly water usage volume at the PDAM of Tamalate District using the Autoregressive Integrated Moving Average (ARIMA) method. The dataset consists of historical water usage data from January 2022 to December 2024, totaling 36 monthly observations. The analysis process includes stationarity testing using the Augmented Dickey-Fuller (ADF) test, model parameter identification through ACF and PACF plots, and performance evaluation using MAE, RMSE, and MAPE metrics. The results show that the best-performing model is ARIMA, which demonstrates high prediction accuracy, with a MAE of 26,049.80 m³, RMSE of 37,459.00 m³, and MAPE of 4.12%. This model is capable of generating predictions close to actual values and can be relied upon as a basis for PDAM’s water distribution planning. It is expected that this research will contribute to data-driven decision-making and support digital transformation in the public service sector.
ANALISIS DATA PENJUALAN OBAT BPJS MENGGUNAKAN METODE DIFERENSIAL DAN STRATEGI D-CRM Maulia, Rizky; Wahyuni, Titin; Rahman, Fahrim Irhamna
Jurnal Ilmu Komputer (JUIK) Vol 5, No 3 (2025): OCTOBER 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i3.4749

Abstract

Penelitian ini bertujuan untuk menganalisis data penjualan obat BPJS menggunakan metode diferensial yang terintegrasi dengan strategi Digital Customer Relationship Management (D-CRM) guna mendukung pengelolaan stok obat yang lebih efisien. Data transaksi pasien Program Rujuk Balik (PRB) di Apotek Kimia Farma Cendrawasih periode Januari 2022–Juli 2024 digunakan sebagai objek penelitian. Metode diferensial menghitung Δ1 dan Δ2 untuk mendeteksi perubahan tren penjualan obat, sedangkan strategi D-CRM berbasis RFM (Recency, Frequency, Monetary) digunakan untuk melakukan segmentasi pasien dan mengidentifikasi pola konsumsi. Hasil penelitian menunjukkan bahwa metode ini mampu memberikan gambaran menyeluruh terkait tren permintaan obat dan perilaku pasien. Model prediksi sederhana berbasis Qty + Δ1 + Δ2 menghasilkan akurasi tinggi dengan MAE 1,35, MSE 92,32, dan MAPE 3,35%, yang menandakan kesalahan prediksi relatif kecil dan layak dijadikan acuan perencanaan stok. Integrasi analisis diferensial dan D-CRM terbukti efektif untuk mendukung pengadaan obat yang tepat sasaran serta meningkatkan kualitas pelayanan farmasi bagi pasien BPJS.Keywords: Analisis diferensial, D-CRM, RFM, prediksi penjualan obat, BPJS.
Tingkat Pengetahuan PMIK tentang Resume Medis dan Personal Health Record (PHR) Masyfufah, Lilis; Retnowati Prihandini; Bambang Nudji; Titin Wahyuni; Nadhila Listiawan; Maylina Surya Wirawati Pribadi
Jurnal Manajemen Informasi Kesehatan Indonesia (JMIKI) Vol 13 No 2 (2025)
Publisher : Asosiasi Perguruan Tinggi Rekam Medis dan Informasi Kesehatan Indonesia- APTIRMIKI

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33560/jmiki.v13i2.679

Abstract

Resume medis adalah rangkuman dari keseluruhan riwayat perawatan pasien di suatu fasilitas pelayanan kesehatan, sehingga data resume medis harus lengkap dan akurat. Adanya resume medis ini sangat berguna bagi pasien, maupun fasyankes untuk melacak riwayat kesehatan pasien khususnya apabila pasien menggunakan jaminan kesehatan. Salah satu fungsi lain dari pemanfaatan resume medis adalah dalam bentuk Personal Health Record (PHR) yang berisis sekelompok informasi atau catatan medis seseorang. Tujuan penelitian ini yaitu mendiskripsikan tingkat pengetahuan PMIK terhadap resume medis dan PHR. Metode penelitian yang digunakan adalah penelitian deskriptif yang menjelaskan suatu kondisi secara objektif dengan menggunakan pendekatan kuantitatif bersifat untuk mempresentasikan dan mendeskripsikan objek yang diteliti. Hasil penelitian menunjukkan tingkat pengetahuan PMIK mengenai resume medis dan PHR berada pada tingkat Penerapan dengan nilai 43,3% dan 33,3%. PMIK telah mampu menerapkan pengisian resume medis dan melaksanakan PHR dalam kegiatan di bidang rekam medis dan informasi kesehatan. Kesimpulan dari penelitian ini bahwa tingkat pengetahuan PMIK mengenai resume medis dan PHR berada pada tingkat penerapan dengan karakteristik laki-laki, berusia 17-25 tahun, dan bekerja di RS swasta. Perlu lebih lanjut ditingkatkan pengetahuannya sehingga lebih kompeten dalam pengoperasionalan khususnya pada PHR sehingga lebih bebas dalam mengaplikasikan dan membuat analisis.
Game Edukasi Berbasis Android sebagai Media Pembelajaran Matematika untuk Anak Tunarungu Bakti, Rizki Yusliana; Wahyuni, Titin; Hayat, Muhyiddin A M; Ridwang, Ridwang
PROtek : Jurnal Ilmiah Teknik Elektro Vol 8, No 1 (2021): Protek : Jurnal Ilmiah Teknik Elektro
Publisher : Program Studi Teknik Elektro Universitas Khairun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/protk.v8i1.2377

Abstract

Education is a right for every individual. Not only those with normal conditions, but also those with special needs such as the deaf. Limited intellectual ability in deaf children has consequences for their difficulties in attending academic lessons including maths lessons. This research aims to create an application as a learning medium to attract deaf children in developing their intelligence. This application was created as a means to provide convenience to deaf children in helping the learning process of mathematics. This study uses observation data collection methods, interviews / questionnaires and library studies. The design method used is the waterfall and the testing technique used is Integration and System testing. The result of this study is an android-based game application named math games. The test results show that this application is easy to learn and there are media that make childrenhappy.
Prediksi Tingkat Kelulusan Menggunakan K-Means Pada Program Studi Informatika Unismuh Makassar Irhamna Rachman, Fahrim; Mujadilah, Siti; Wahyuni, Titin; Anas, Lukman
JURNAL FASILKOM Vol. 13 No. 3 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Publisher : Unversitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/jf.v13i3.6061

Abstract

Predicting timely graduation brings numerous benefits not only to students but also to the university itself. Creating a graduation prediction model assists students and academic advisors in fostering a positive environment that encourages on-time graduation by developing a predictive model for graduation rates using the K-means data mining method in the Informatics study program at Universitas Muhammadiyah Makassar. This method is used to cluster students based on attributes such as total credits taken, semester Grade Point Average (GPA), and overall Cumulative Grade Point Average (CGPA). The clustering aims to identify patterns and characteristics of student graduation. Data from several semesters is collected and preprocessed, including data normalization and transformation. The research steps involve data preprocessing, cluster labeling, distance calculation to cluster centers, and result analysis. The analysis shows that the K-means method can generate student clusters with varying graduation rate patterns. The formed clusters can be interpreted as groups of students with potential for timely graduation or groups needing more attention to achieve on-time graduation. Empirical validation is performed by comparing K-means prediction results with actual graduation data. Accuracy measurement involves calculating the percentage of similarity between predictions and actual data. Empirical validation results demonstrate the accuracy level, which can serve as a benchmark for assessing the performance of this prediction model. This study aims to provide deeper insights into factors influencing student graduation and potentially support decision-making at the academic level. Keywords: Graduation Prediction, Data Mining, K-Means, Analysis, Clustering, Empirical Validation.
Analisis Sentimen Text Dengan Metode CNN Study Kasus Tempat Wisata Makassar Kamal, Safutri; Rachman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/n1gcbb74

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan menentukan sejauh mana metode CNN (Convolutional Neural Network) dapat menghasilkan prediksi sentimen yang akurat terhadap ulasan mengenai tempat wisata Makassar. Metode analisis sentimen ini menggunakan data ulasan yang dikumpulkan dari platform Google Maps. Dalam penelitian ini, dilakukan tahap preprocessing untuk membersihkan data, seperti cleaning, transform cases, tokenizing, stopword dan stemming. Selanjutnya, dilakukan pembagian dataset menjadi data latih dan data uji dengan scenario 90 : 10, 80 : 20 dan 70 : 30 untuk melatih dan menguji model dengan tiga kategori ulasan yaitu positif, negatif dan netral. Hasil dari analisis sentimen menunjukkan bahwa metode CNN memiliki kemampuan yang baik dalam memprediksi sentimen positif, negatif, dan netral pada ulasan mengenai Tempat Wisata Makassar. Tingkat akurasi yang tinggi pada tahap pelatihan menunjukkan bahwa model mampu belajar dengan baik dari dataset yang disediakan. Meskipun tingkat akurasi pada tahap validasi sedikit lebih rendah, tetapi masih mencapai angka yang memadai, menunjukkan bahwa model memiliki kemampuan generalisasi yang cukup baik dalam mengklasifikasikan sentimen pada ulasan-ulasan tersebut. Diperoleh hasil akurasi tertinggi dengan Training Accuracy yang meningkat memperoleh nilai akurasi training 95%, serta Validation Accuracy memperoleh nilai 73%.
KLASIFIKASI SARAN DAN KRITIK PADA SIMAK UNISMUH DENGAN MENGGUNAKAN ALGORTIMA RECCURENCT NEURAL NETWORK (RNN) faisal, Ahmad; Wahyuni, Titin; Rachman, Fahrim Irhamna
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/8ttaxq04

Abstract

SIMAK Unismuh Makassar is an important platform used by students to submit suggestions and criticisms related to various academic aspects. In this study, researchers implemented the Recurrent Neural Network (RNN) algorithm to classify suggestions and criticisms received through SIMAK Unismuh. The purpose of this study was to determine the implementation of the RNN Algorithm in classifying suggestions and criticisms on the SIMAK Unismuh page and how successful the RNN Algorithm was in classifying suggestions and criticisms on the SIMAK Unismuh page. RNN was chosen because of its ability to process sequential text data, such as input in the form of sentences, which allows the model to capture the context of the input more effectively. The dataset used in this study consists of a number of suggestion and criticism data that have been categorized manually. The RNN model that was built was then trained and tested using the data to assess its accuracy and performance. The results showed that the model achieved the highest accuracy of 91% and the lowest accuracy of 90%. Although there were variations in model performance, these results indicate that RNN has good potential in classifying suggestion and criticism texts. The RNN model can help institutions understand and respond to user input more effectively, although it still requires further optimization to improve the consistency and accuracy of the results. The conclusion of this study shows that the RNN model is able to classify suggestions and criticisms with an adequate level of accuracy. The application of this model is expected to help the Unismuh administration in managing student input more efficiently, as well as providing more appropriate and faster responses to academic needs.Keywords: Text Classification, Recurrent Neural Network (RNN), SIMAK Unismuh, Suggestions and Criticisms, Academic Information System.
Penggunaan CNN Dalam Analisis Sentimen Pada Review Tempat Wisata Makassar Kamal, Safutri; Rachman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/73mrdb71

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan tempat wisata di Makassar menggunakan metode Convolutional Neural Network (CNN). Makassar, sebagai salah satu destinasi wisata utama di Indonesia, menerima banyak ulasan dari pengunjung yang beragam. Setiap ulasan diproses secara tekstual melalui tahapan pembersihan data, tokenisasi, penghapusan kata-kata umum (stop words), dan stemming. Model CNN yang dibangun terdiri dari beberapa lapisan konvolusi dan pooling yang berfungsi untuk mengekstraksi fitur penting dari teks ulasan. Hasil penelitian ini memberikan wawasan yang berharga mengenai persepsi pengunjung terhadap tempat wisata di Makassar. Analisis sentimen ini dapat digunakan oleh pengelola tempat wisata dan pihak terkait untuk meningkatkan kualitas layanan dan pengalaman wisatawan.
Optimasi Ukuran Dataset untuk Analisis Sentimen Menggunakan Teknik Pembelajaran Mesin dan Pembelajaran Mendalam Halisah Duli, St Nur; Rahman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/xsq0pg68

Abstract

Penelitian ini bertujuan untuk mengoptimalkan ukuran dataset yang digunakan dalam analisis sentimen melalui penerapan teknik pembelajaran mesin dan pembelajaran mendalam. Metode pembelajaran mesin yang digunakan mencakup Naive Bayes, Regresi Logistik, dan Support Vector Machine, sedangkan Convolutional Neural Network digunakan untuk metode pembelajaran mendalam. Data yang digunakan dalam penelitian ini berasal dari ulasan Google Maps mengenai beberapa tempat wisata, seperti Bugis Waterpark, Akkarena, Tanjung Bayang, Pantai Bosowa, dan Wisata Kebun. Tahap pra-pemrosesan data meliputi pembersihan data, casefolding, penghapusan stopwords, tokenisasi, dan stemming. Pengujian dilakukan dengan sembilan ukuran dataset yang berbeda (4500, 4000, 3500, 3000, 2500, 2000, 1500, 1000, dan 500) serta pembagian data latih dan data uji dengan rasio 90:10, 80:20, dan 70:30. Hasil pengujian menunjukkan bahwa Regresi Logistik dengan ukuran dataset 1000 dan Pembagian 90:10 mencapai tingkat akurasi tertinggi sebesar 85%. Studi ini menyimpulkan bahwa ukuran dataset yang optimal bervariasi tergantung pada metode yang digunakan dan menggarisbawahi pentingnya pemilihan ukuran dataset yang tepat untuk meningkatkan kinerja analisis sentimen. .
Co-Authors A.MUHAMMAD SYAFAR Adi Malik Muhammad Mutsuhito Adrianingsih, Rizka Agustiawal Agustiawal Agustin Dwi Syalfina Ahmad Faisal Ahmad Risal Aiman , Ailul Alfina Aisatus Saadah Amir Ali Anang Sulistyo Anas, Andi Lukman Anas, Lukman ANDI AGUNG DWI ARYA BULU Andi Yusri ardi24, ardiansyah_01 Arvianda Asep Indra Syahyadi Aswad, Muh. Akhwan Adam Baba, Haedir Bakti, Riski Yusliana Bakti, Rizki Yusliana Bambang Nudji Cantika Aprilia Santi Chatarina Umbul Wahyuni Cholifah . Cholifah, Cholifah Christine Christine Dewi, Syamrilla Djalil, Sony Achmad Fachrim Irhamma Rahman Fachrim Irhamna Rachman Fachrim Irhamnah Rachman Fahrim Irhamna Rahman Firman Firman Haidul, Haidul Halisah Duli, St Nur Haruna, Hanjas Hayat, Muhyiddin A M Indriani, Lis Irhamna Rahman, Fachrim Kamal, Safutri Kazman Riyadi khairat, arikal Krisnita Dwi Jayanti La Ode Taufik Ismail Lukman Lukman Anas LUKMAN ANAS Lukman Lukman Masyfufah, Lilis Maulia, Rizky Maylina Surya Wirawati Pribadi Muh. Akhwan Adam Aswad Muhadi, Muhadi Muhammad Faisal Muhammad Faisal Muhyiddin AM Hayat Mujadilah, Siti Muslimah, Nurul Aulia Nadhila Listiawan Nandy Rizaldy Najib Natsir, Fitra M. Nisha, Khairun Nova Mellania Novianti, Siti Nur Alam Rachman, Fachrim Irhamnah Rahman, Fahrim Irhamna RAHMANIA Rahmania Ramadhan S, Fahmi Reski Awalia Retnowati Prihandini Ridwang Ridwang Ridwang Ridwang Ridwang, Ridwang Rinaldy, Muh S. Kuba, Muhammad Syafa'at Salsabila, Damai Arsila Shafira Trisnanda Fatimatus Zahra Sri Hastati SULASTRI Sutha, Diah Wijayanti Syamsuri, Andi Makbul Syarifuddin, Nur Annisa TANTRI INDRABULAN Uddin , Ardiansyah Umi Khoirun Nisak Wahyuni, Titin Wibawa. Ar, Arya xss, aa xx