Article Per Year (5 Year)
p-Index From 2021 - 2026
3.916
P-Index
This Author published in this journals
All Journal SOROT: Jurnal Ilmu-ilmu Sosial Bulletin of Electrical Engineering and Informatics International Journal of Advances in Intelligent Informatics JEP (Jurnal Ekonomi Pembangunan) E-Dimas: Jurnal Pengabdian kepada Masyarakat JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Pengabdian Pada Masyarakat Jurnal BALIRESO ILKOM Jurnal Ilmiah AkMen JURNAL ILMIAH Indonesian Journal of Data and Science Jurnal Teknik Informatika (JUTIF) Buletin Sistem Informasi dan Teknologi Islam Ilmu Komputer untuk Masyarakat Jurnal Pengabdian Masyarakat - Teknologi Digital Indonesia JEP (Jurnal Ekonomi Pembangunan) JBIMA: Jurnal Pengabdian kepada Masyarakat Journal of Information Technology and its Utilization Linier: Literatur Informatika dan Komputer
Harlinda Lahuddin
Universitas Muslim Indonesia
Religion Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Mathematics Public Health Social Sciences Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Risiko Kesehatan Bagi Pasien Hamil Menggunakan Metode KNN Miftahul Haq; Harlinda Harlinda; A.Ulfah Tenripada Sahar
LINIER: Literatur Informatika dan Komputer Vol 1, No 4 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v1i4.2532

Abstract

Kematian ibu hamil dalam melahirkan merupakan permasalahan kesehatan yang sudah lama terjadi. Ibu hamil memerlukan pemantauan terus menerus selama kehamilan hingga proses melahirkan agar dapat diketahui faktor risiko yang dialami. Ibu hamil perlu mengetahui penyakit yang mungkin bisa diderita, dan untuk mendapatkan pengetahuan serta melakukan diagnosa dini penyakit kehamilan, diperlukan sistem yang dapat membantu. Untuk mengatasi hal ini, pemantauan selama kehamilan penting untuk perkembangan janin yang sehat dan memastikan persalinan yang aman. Oleh karena itu, klasifikasi risiko kesehatan ibu hamil menjadi sangat penting untuk mencegah dan mengurangi risiko kesehatan yang serius bagi ibu dan bayi yang dikandungnya. Klasifikasi merupakan proses menemukan model untuk menggambarkan data dengan tujuan model tersebut dapat digunakan prediksi yang belum diketahui dari suatu objek. Salah satu metode dalam klasifikasi data adalah metode K-Nearest Neighbor (KNN), teknik ini menggunakan algoritma terawasi untuk mengklasifikasikan hasil query instance yang berdasar pada mayoritas dalam kategori KNN. Tujuan dari karya ilmiah ini yaitu mengklasifikasikan resiko kesehatan ibu hamil ke dalam kategori resiko tinggi seperti resiko menengah dan resiko rendah seperti resiko kesehatan yang dapat menganggu kesehatan ibu hamil yang dapat mengakibatkan adanya keguguran. Pada karya ilmiah ini mengklasikasikan data berdasarkan dari usia, tekanan darah sistolik, tekanan darah diastolik, gula darah, dan denyut jantung berdasarkan nilai K-Nearest yang di inputkan. Berdasarkan hasil klasifikasi KNN dengan menggunakan nilai K yang berbeda yaitu K=3, K=5, K=9 dan K=11 didapatkan hasil dengan nilai akurasi, presisi, recall, f1-score paling tinggi yaitu nilai K=11 dengan nilai 80%
Rancang Bangun Sistem Informasi Geografis Pariwisata Kabupaten Takalar Hasni Arrahma Rahman; harlinda harlinda; nia Kurniati
LINIER: Literatur Informatika dan Komputer Vol 2, No 2 (2025)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v2i2.3108

Abstract

Dalam bidang pariwisata, Kabupaten Takalar memiliki banyak destinasi pariwisata salah satunya pantai. Selain dari beberapa tempat wisata pantai yang menjadi destinasi wisatawan, terdapat beberapa tempat wisata lainnya yang belum diketahui oleh masyarakat luas. Saat ini belum terdapat sebuah sistem informasi yang terintegrasi yang dapat menyatukan destinasi pariwisata pada kabupaten Takalar sehingga wisatawan yang akan datang hanya mendapatkan informasi yang minim terhadap tempat-tempat pariwisata pada kabupaten Takalar. Tujuan dari penelitian ini membantu mempermudah masyarakat luas dalam menentukan tujuan-tujuan destinasi pariwisata dan membantu pihak kabupaten Takalar dalam mempromosikan keberadaan tempat wisata dan potensi-potensi lainnya pada masyarakat. Penelitian ini menghasilkan Sistem Informasi Geografis Pariwisata versi perangkat lunak yang dapat diakses secara umum dan memberikan informasi yang baik kepada pengguna baik pendatang baru yang ingin mencari tau tempat liburan di Kabupaten Takalar dan juga meningkatkan pendapatan bagi masyarakat sekitar
Artificial Intelligence (AI) using Long Short-Term Memory (LSTM) for Sales Prediction in Campus Minimarkets Harlinda L; Abdul Rachman Manga; Ramdan Satra
Indonesian Journal of Data and Science Vol. 7 No. 1 (2026): Indonesian Journal of Data and Science
Publisher : yocto brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i1.373

Abstract

This study applies Artificial Intelligence (AI) using the Long Short-Term Memory (LSTM) algorithm to predict daily sales at the FIKOM-UMI Minimarket. Sales data from 2023 to 2024 involving 82 items were used and processed into a time series format. Five LSTM architectural scenarios were tested, including baseline, bigger model, lightweight, bidirectional LSTM, and single-layer medium, to identify the most effective model in capturing sales patterns. The data underwent preprocessing stages, including daily aggregation, reindexing to fill missing dates, and normalization using MinMaxScaler before being transformed into sequences with a 30-day time step. Model performance was evaluated using MSE, RMSE, MAPE, and accuracy metrics. The results show that the Bidirectional LSTM (Scenario 4) achieved the best performance, with the lowest MAPE of 19.43% and the highest accuracy of 80.57%. The model successfully generated stable predictions for 7-day and 30-day forecasting with a range of 153–155 units per day, indicating consistent sales patterns. Testing on the top 10 best-selling items showed significant performance variation, with GARUDA ROSTA BWNG 100 Gram achieving the highest accuracy (46.97%), while aoka rasa pandan showed the lowest performance (-76.05%). These findings demonstrate that the LSTM model can be effectively applied for sales prediction in campus minimarkets; however, a hybrid approach with product segmentation is recommended to optimize inventory management across product categories with varying levels of predictability
A comprehensive comparative analysis of chicken meat classification techniques through machine learning models Siska Anraeni; Harlinda Lahuddin; Ramdaniah Ramdaniah; Erika Riski Melani; Andi Cici Amalia; Tazkirah Amaliah
International Journal of Advances in Intelligent Informatics Vol 12, No 1 (2026): February 2026
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v12i1.2014

Abstract

This study develops a digital image processing technique to distinguish between fresh and rotten chicken. Chicken freshness has a significant impact on public health and industry sustainability. This study uses a multi-stage approach including data acquisition, preprocessing, feature extraction, and classification. A total of 1,000 chicken images were obtained, consisting of 800 images for training and 200 images for testing, with a proportion of 80:20. Feature extraction was performed using a combination of the HSI (Hue, Saturation, Intensity) color model to capture the color characteristics of chicken and the Local Binary Pattern (LBP) to extract texture information. Classification was performed using the K-Nearest Neighbor (KNN) algorithm with various K values and distance metrics. The experimental results show that the combination of color and texture features provides higher accuracy than using either feature alone. The best model using HSI and LBP feature extraction with K = 1 and K = 3 in the Euclidean distance metric achieved the highest accuracy of 95.4%. With a promising level of accuracy, this method can be applied in automated inspections in the poultry supply chain, improving food safety and helping consumers make better purchasing decisions. However, the main challenge in this study is the variation in lighting during image capture, which causes the fresh and rotten chicken feature values to overlap, thus hindering perfect classification.
Co-Authors A.Ulfah Tenripada Sahar Abdul Rahmat Achmad Suyudi Amiruddin Akhmad Petta Lolo Lasinrang Ali Munawir Andi Alfian Pratama Putra Andi Cici Amalia Aqsa Almaaidah Alimun Arif Kurnia Dirgahayu Lantara Dolly Indra Erika Riski Melani Fitrah Wahyu Ningsih Gede Sandy Bilal Eka Putra Hadyan Mardhi Fadlillah Halimahtul Wildan Hariadi Suwandi Hasni Arrahma Rahman Herdianti Darwis Herman Herman Heru Wirawan Wahida Indrawati Indrawati Irawati Irawati Irmawati P Tamburaka Irsal Ardah Kasman Kasman Kasman Kasman lilis nurhayati Lokapitasari Belluano, Poetri Lestari Lukman Syafie Lutfi Budi Ilmawan Manga, Abdul Rachman Mardiyyah Hasnawi Masita Balla Miftahul Haq Muh Agus Muh Alim Abdi Muh Syafwan Annas Muh Yani Balaka Muh. Aliyazid Mude Muhammad Arfah Asis Muhammad Bayu Rahmat Nia Kurniati Novia Alvira Julita Nur Hikmah Amir Nurmasita Tussa'ddia Paramadina Mulya Majid Purnawansyah Purnawansyah Ramdan Satra Ramdaniah Ramdaniah Rifqatul Mukarramah Rukmiati Sapsuha Salmat, Surya Mudti Siska Anraeni Siti Najwa Yuliani Sitti Hajrah Mansyur St. Hajrah Mansyur Sugiarti, Sugiarti Surya Mudti Salmat Syahrul Mubarak Abdullah Tazkirah Amaliah Tuasamu, Fatima A.R Ulfa Muldyawati Asmudi Ummulhadi Ummulhadi Ummulhadi, Ummulhadi Wistiani Astuti Zainal Satrio