Article Per Year (5 Year)
p-Index From 2021 - 2026
2.286
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Pada Masyarakat Infotekmesin Scientific Journal of Informatics Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Journal of Computer Networks, Architecture and High Performance Computing Jurnal PkM (Pengabdian kepada Masyarakat) Jurnal Informatika Teknologi dan Sains (Jinteks) Jurnal Informatika: Jurnal Pengembangan IT
Muhammad Fikri Hidayattullah
Politeknik Harapan Bersama
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Nursing Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
PENGEMBANGAN APLIKASI PEMANDU WISATA GUCI BERBASIS MOBILE MELALUI PRINSIP USER-CENTERED DESIGN (UCD) Muhammad Fikri Hidayattullah; Dwi Intan Af’idah; Sharfina Febbi Handayani; Putri Ajeng Imamah
Jurnal Informatika Teknologi dan Sains (Jinteks) Vol 5 No 4 (2023): EDISI 18
Publisher : Program Studi Informatika Universitas Teknologi Sumbawa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51401/jinteks.v5i4.3694

Abstract

Pariwisata memainkan peran krusial dalam ekonomi Indonesia, dengan pertumbuhan sektor ini mencapai 7,2% per tahun, melebihi rata-rata dunia sebesar 4,7%. Objek Wisata Guci di Kabupaten Tegal, Jawa Tengah, menarik perhatian sebagai destinasi potensial. Namun, kesulitan wisatawan dalam mendapatkan informasi fasilitas umum di tempat tersebut menjadi tantangan. Penelitian ini mengembangkan aplikasi pemandu wisata "Guci Explore" berbasis Android, menerapkan metode User-Centered Design (UCD) untuk meningkatkan pengalaman pengguna. Dengan melibatkan pemandu wisata digital, aplikasi ini memberikan informasi akurat dan terkini untuk mengatasi kebingungan wisatawan. Pengujian menunjukkan kepuasan pengguna mencapai skor 81, memperkuat kategori Grade Scale "A" dan Acceptability Ranges "Acceptable". Aplikasi ini diharapkan dapat meningkatkan efisiensi perjalanan, memberikan manfaat ekonomi lokal, dan mendukung pertumbuhan sektor pariwisata Indonesia.
Klasifikasi Opini Publik di Twitter Terhadap Bakal Calon Presiden Indonesia Tahun 2024 Menggunakan LSTM Secara Realtime Berbasis Website Muhammad Rizki; Muhammad Fikri Hidayattullah; Dwi Intan Af'idah
Infotekmesin Vol 14 No 2 (2023): Infotekmesin: Juli, 2023
Publisher : P3M Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/infotekmesin.v14i2.1908

Abstract

The analysis of public opinions from Indonesian netizens regarding the potential presidential candidates for Indonesia in 2024 on Twitter is challenging. Human-based classification of the candidates on Twitter has limitations as it requires expertise and a considerable amount of time to process the data. Therefore, a system that provides realtime visualization of public opinion classification is necessary. Previous research only focused on model evaluation, while this study aims to implement the best model on a website. The objective of this research is to develop a system for monitoring the Twitter-based public opinion classification of the potential presidential candidates for Indonesia in 2024 within specific time frames. The training process utilizes the LSTM method, resulting in a model with an accuracy of 76%. Parameters such as batch size, dropout, and learning rate were tested. The data used in this study was obtained by crawling Twitter using the keywords Ganjar Pranowo, Anies Baswedan, and Prabowo Subianto. The LSTM model was then implemented in a website-based system that generates a dashboard with features such as a color-coded map displaying the highest levels of positive sentiment for each candidate in each province, the overall classification count for each candidate, and filters for sentiment classification based on province and specific time frames.
Deteksi Bahan Makanan untuk Rekomendasi Resep Masakan pada Program Diet Menggunakan Algoritma CNN Berliani Risqi Dwi Saputri; Fadiyah Desi Asmawati; Asih Rahmawati; Ilham Hatta Manggala; Muhammad Fikri Hidayattullah
Jurnal Ilmiah Informatika Vol. 9 No. 2 (2024): Jurnal Ilmiah Informatika
Publisher : Department of Science and Technology Ibrahimy University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/jimi.v9i2.134-141

Abstract

The increasing need for efficient dietary planning has led to the development of automated systems for identifying food ingredients and generating suitable diet recommendations. This study focuses on implementing a Convolutional Neural Network (CNN) using the VGG16 architecture to classify food ingredients and determine appropriate diet recipes. The problem addressed is the difficulty of manually identifying various food ingredients, which can be time-consuming and error-prone, especially in large-scale dietary planning. The proposed solution integrates deep learning technology with a user-friendly application that automates the classification process and generates diet suggestions. The method involves utilizing the VGG16 model pre-trained on the ImageNet dataset. The dataset underwent preprocessing techniques, including Gaussian Blur for noise reduction, normalization, and data augmentation, to improve model generalization. The model was trained over 50 epochs, achieving a training accuracy of 96.28% and a validation accuracy of 95%. This study contributes to the development of intelligent dietary systems, providing significant benefits in enhancing user convenience, accuracy in food classification, and promoting healthier lifestyles.
Penerapan Algoritma Convolutional Neural Network(CNN) Deteksi Kesehatan Mata Rizki Eka mulyani; Muhammad Rafli Erfiyanto; Fathur Rizqi Putra Pratama; Tengku Dimas Aditya; Muhammad Fikri Hidayattullah
Jurnal Ilmiah Informatika Vol. 9 No. 2 (2024): Jurnal Ilmiah Informatika
Publisher : Department of Science and Technology Ibrahimy University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/jimi.v9i2.142-155

Abstract

Indra manusia memegang peranan penting dalam mengamati dan berinteraksi dengan lingkungan. Salah satu indera yang paling vital adalah penglihatan, yang difasilitasi oleh mata, yang menyediakan hingga 80% informasi yang dibutuhkan untuk aktivitas sehari-hari. Meskipun penting, kesehatan mata sering kali terabaikan, dan gangguan mata dapat menyebabkan ketidaknyamanan, gangguan penglihatan, atau bahkan kebutaan total. Penyakit seperti katarak, glaukoma, retinopati diabetik, dan kondisi mata umum lainnya menimbulkan ancaman signifikan terhadap kesehatan penglihatan. Indonesia, dengan salah satu tingkat kebutaan tertinggi di dunia, menghadapi tantangan dalam menyediakan perawatan mata yang memadai, terutama di daerah terpencil dengan akses terbatas ke dokter mata. Untuk mengatasi masalah ini, teknik pembelajaran mesin, khususnya Convolutional Neural Networks (CNN), telah digunakan untuk tugas klasifikasi gambar, termasuk analisis gambar medis. Model CNN, terutama arsitektur VGG-19, telah terbukti efektif dalam mengklasifikasikan dan mendiagnosis penyakit mata berdasarkan gambar retina dengan tingkat akurasi 96%. Penelitian ini bertujuan untuk mengimplementasikan metode CNN menggunakan arsitektur VGG-19 untuk mengklasifikasikan berbagai penyakit mata, seperti katarak, glaukoma, retinopati diabetik, dan kondisi mata lainnya. Penelitian ini melibatkan penggunaan kumpulan data berkualitas tinggi yang terdiri dari 800 gambar berlabel di delapan kategori penyakit mata, dengan tujuan mencapai klasifikasi yang akurat. Kumpulan data tersebut diproses terlebih dahulu, dan model pembelajaran mendalam dilatih untuk meningkatkan hasil klasifikasi. Penelitian ini berkontribusi pada potensi penerapan CNN dalam membantu diagnosis penyakit mata.
Co-Authors Ardhiyan Azizi Ardi Susanto Asih Rahmawati Berliani Risqi Dwi Saputri Dairoh Dairoh Dairoh Dairoh Dega Surono Wibowo Dwi Intan Af’idah Dyah Apriliani Elang Bimantoro Elang Bimantoro Fadiyah Desi Asmawati Fathur Rizqi Putra Pratama Ginanjar Wiro Sasmito Ginanjar Wiro Sasmito Ilham Hatta Manggala M Nishom M Shidiq Erdi W M Yoka Fathoni Miftakhul Huda Mohammad Humam Mohammad Khambali Muhammad Rafli Erfiyanto Muhammad Rizki Musnadil Firdaus Musnadil Firdaus Putri Ajeng Imamah Rizki Eka mulyani Sharfina Febbi Handayani Taufiq Abidin Tengku Dimas Aditya Yustia Hapsari Yustia Hapsari Yustia Hapsari Yustia Hapsari Yustia Hapsari