Article Per Year (5 Year)
p-Index From 2020 - 2025
3.416
P-Index
This Author published in this journals
All Journal Jurnal Ilmu Komputer dan Informasi IPTEK The Journal for Technology and Science Techno.Com: Jurnal Teknologi Informasi Bulletin of Electrical Engineering and Informatics JOIV : International Journal on Informatics Visualization ILKOM Jurnal Ilmiah Journal TEPAT: Teknologi Terapan untuk Pengabdian Masyarakat Jurnal Penelitian Enjiniring Fakultas Teknik Unhas Jurnal Teknologi Elekterika Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Indonesian Journal of Electrical Engineering and Computer Science Jurnal Minfo Polgan (JMP) Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Jurnal Pengabdian Mandiri Malcom: Indonesian Journal of Machine Learning and Computer Science Inspiration: Jurnal Teknologi Informasi dan Komunikasi
Ingrid Nurtanio
Universitas Hasanuddin
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Socialization of Buginese Language E-learning Application with Lontara Script Translation Feature at SMPN 2 Pangkajene Nurtanio, Ingrid; Yohannes, Christoforus; Bustamin, Anugrayani; Mokobombang, Novy Nur R A; Areni, Intan Sari; Tahir, Zulkifli; Adnan, Adnan; Marindah, Tyanita Puti; Paundu, Ady Wahyudi; Nurdin, Arliyanti; Musyfirah, Kamtina; Hikmah, Nur; Mahdaniar, Mahdaniar
JURNAL TEPAT : Teknologi Terapan untuk Pengabdian Masyarakat Vol 7 No 2 (2024): Kolaborasi yang Kuat untuk Kekuatan Kemasyarakatan
Publisher : Faculty of Engineering UNHAS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25042/jurnal_tepat.v7i2.528

Abstract

Preservation of indigenous languages, especially Bugis with Lontara script, is an important challenge in the digital era. In school activities, mastery and learning of local languages ​​are associated with one subject, namely Muatan Lokal. However, the main problem that is often encountered is the use of indigenous languages ​​that are increasingly minimally socialized, thus reducing students' interest and motivation in learning this local language, especially in SMP Negeri 2 Pangkajene Class VII. This community service aims to be a forum for socializing research results in the Department of Informatics and Electrical Engineering, Hasanuddin University in the form of an E-learning application that facilitates interactive learning of Bugis with Lontara script. In addition, this activity is expected to contribute to the advancement of knowledge and technology by providing E-learning tools, in the form of mobile applications, to support learning both at school and at home. The process of introducing this application involves quantitative analysis in the form of an initial survey (pre-test) which includes the user experience (in this case students) when learning Bugis and then ends with a final survey (post-test) and System Usability Scale (SUS) testing to determine the student's experience when using this Bugis language application. The results obtained indicate the formation of Bugis language learning motivation after participants are familiar with this E-learning application with an increase of 52% from 32% less motivated to 84% very motivated. In addition, this Bugis language E-learning application also reached an acceptable level based on SUS with a value of 74.
Identifikasi Kerusakan Buah Kakao Akibat Serangan Hama Menggunakan Algoritma Yolov9 Aswandi, Andi Syam; Nurtanio, Ingrid; Jalil, Abdul
Journal Cerita: Creative Education of Research in Information Technology and Artificial Informatics Vol 11 No 1 (2025): Journal CERITA : Creative Education of Research in Information Technology and Ar
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cerita.v11i1.3483

Abstract

Pertanian di Indonesia memiliki peran penting dalam perekonomian nasional, dengan kakao sebagai salah satu komoditas utama. Indonesia merupakan produsen kakao terbesar ketiga di dunia. Namun, produktivitas kakao sering terganggu oleh serangan hama. Penelitian ini bertujuan untuk mengidentifikasi kerusakan buah kakao akibat serangan hama menggunakan algoritma YOLOv9 berbasis pengolahan citra. Fokus penelitian ini adalah hama penggerek buah kakao (Conopomorpha cramerella) dan hama penghisap buah kakao (Helopeltis spp.), yang dipilih karena dampaknya yang signifikan terhadap penurunan kualitas dan kuantitas hasil panen. Algoritma YOLOv9 dipilih karena keunggulannya dalam mendeteksi objek dengan akurasi tinggi dan kecepatan pemrosesan. Hasil penelitian menunjukkan bahwa model YOLOv9 mampu mengidentifikasi kerusakan dengan akurasi yang tinggi, mencapai mAP sebesar 99.5%. Dengan hasil ini, model yang dikembangkan dapat menjadi alat yang efektif untuk mendukung petani dalam memantau dan mengelola serangan hama secara lebih efisien. Penggunaan YOLOv9 dalam identifikasi kerusakan buah kakao diharapkan dapat memberikan solusi yang lebih efektif dalam mengurangi risiko penurunan hasil panen akibat serangan hama. Selain itu, teknologi ini membuka peluang untuk diintegrasikan dalam aplikasi mobile smart farming, sistem sortir buah kakao, dan sistem monitoring otomatis guna meningkatkan hasil panen kakao di Indonesia. Kata kunci: Kakao, Hama, Citra, YoloV9
Penentuan Kualitas Kopra Berbasis Citra Kontur Menggunakan Metode Canny Edge Detection: Determination of Copra Quality Based on Contour Image Using the Canny Edge Detection Method Nugroho, Chandra Wisnu; Nurtanio, Ingrid; Jalil, Abdul
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 1 (2025): MALCOM January 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i1.1823

Abstract

UD Cendrawasih, yang berlokasi di Kelurahan Motoboi Kecil, Kotamobagu Selatan, Sulawesi Utara, adalah usaha jual beli kopra yang telah beroperasi lama. Proses penilaian kualitas kopra saat ini masih manual melalui inspeksi visual, yang meskipun andal, sering kali menghadirkan subjektivitas dan kurang konsisten. Penelitian ini bertujuan mengotomatisasi dan meningkatkan akurasi penilaian kualitas kopra menggunakan metode Canny Edge Detection dengan model Canny-Inception. Model ini mengklasifikasikan kopra menjadi tiga kelas: "basah" (kadar air tinggi), "kering" (kopra yang telah dikeringkan), dan "berjamur" (ditandai oleh warna dan bau). Data dibagi dalam tiga model: Model A (80:10:10), Model B (70:20:10), dan Model C (60:30:10). Hasil penelitian menunjukkan Model C memberikan performa terbaik dengan akurasi validasi 87,50% pada epoch ke-9 dan validation loss 40,27%. Analisis menggunakan Confusion Matrix mengungkapkan Model A unggul pada kelas basah (81%), Model B pada kelas kering (62%), dan Model C pada kelas berjamur (76%). Dengan akurasi keseluruhan 87,50%, Model C dinilai paling efektif untuk klasifikasi kualitas kopra secara akurat dan konsisten.
Klasifikasi Sapi Perah dan Non-Perah Menggunakan Algoritma Convolutional Neural Network: Classification of Dairy and Non-Dairy Cattle Using the Convolutional Neural Network Algorithm Maramis, Leonard; Nurtanio, Ingrid; Zainuddin, Hazriani
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 2 (2025): MALCOM April 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i2.1824

Abstract

Sapi merupakan salah satu hewan ternak utama di Indonesia yang terdiri dari sapi perah dan sapi potong. Di Kotamobagu dan Bolaang Mongondow Raya (BMR), peternakan sapi berkembang pesat seiring dengan meningkatnya daya beli masyarakat dan nilai jual sapi yang tinggi. Namun, transaksi jual-beli sapi masih menghadapi kendala, terutama dalam membedakan jenis sapi yang dapat menyebabkan kesalahan dan potensi penipuan. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan arsitektur Xception dalam klasifikasi sapi perah dan non-perah. Proses penelitian mencakup pengumpulan data citra sapi, pelabelan, serta pelatihan model CNN untuk mengenali karakteristik fisik masing-masing jenis sapi. Hasil pengujian menunjukkan bahwa model Xception mencapai akurasi 96% dengan pembagian dataset 80:20, membuktikan kemampuannya dalam mengenali pola visual dengan baik. Temuan ini menunjukkan bahwa CNN, khususnya dengan arsitektur Xception, dapat menjadi alat yang efektif dalam identifikasi jenis sapi, sehingga berpotensi meningkatkan keamanan dan keakuratan dalam transaksi ternak. Dengan pengembangan lebih lanjut, sistem ini dapat diintegrasikan dengan teknologi kamera untuk pemantauan otomatis guna mendukung industri peternakan yang lebih modern dan efisien.
Sistem Pakar Berbasis Pohon Keputusan untuk Diagnosa Awal Penyakit Bergejala Demam Febriansyah, Muhammad; Nurtanio, Ingrid; Yusuf, Mukarramah
Jurnal Minfo Polgan Vol. 13 No. 1 (2024): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v13i1.13762

Abstract

Demam merupakan gejala umum yang sering dijumpai pada berbagai jenis penyakit. Sistem pakar dapat membantu melakukan diagnosa awal penyakit bergejala demam agar penderita dapat mengambil tindakan awal yang tepat Pada penelitian ini dibangun sistem pakar diagnosa awal penyakit dengan gejala demam dengan mengimplementasikan pohon keputusan. Data yang digunakan dikumpulkan dari literatur dan divalidasi oleh pakar (dokter). Sistem pakar pada penelitian ini dibangun berbasis web. Pengujian dilakukan melalui 3 langkah, yaitu inputan gejala yang sama persis dengan yang terdapat pada pohon keputusan, inputan gejala sama dengan pohon keputusan ditambah gejala dari penyakit yang lain, dan inputan gejala sama dengan pohon keputusan tetapi jumlahnya berkurang. Hasil pengujian sistem pakar untuk penyakit demam ini mencapai tingkat akurasi sebesar 86%.
PENINGKATAN CAPAIAN PEMBELAJARAN MATEMATIKA DI SMP 25 MAKASSAR DENGAN GAME ANDROID Mukarramah Yusuf; Ida R Sahali; Firmansyah J Kusuma; Amil A Ilham; Muhammad Niswar; M Alief F Imran; Christoforus Yohannes; Ingrid Nurtanio; Novy NRA Mokobombang; Ais P Alimuddin; Ady W Paundu
JURNAL PENGABDIAN MANDIRI Vol. 4 No. 8: Agustus 2025
Publisher : Bajang Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Hasil pembelajaran Matematika pada siswa-siswa sekolah masih rendah disebabkan karena berbagai permasalahan, salah satunya adalah cara pembelajaran yang kurang menarik. Pendekatan yang kami lakukan di SMP 25 Makassar adalah pengenalan game Android untuk belajar Matematika. Hasil belajar melalui kegiatan berrmain game menunjukkan terjadi peningkatan skor pencapaian tujuan belajar..
Comparison Architecture of Convolutional Neural Network for Fertility Level of Paddy Soil Detection Natsir, Muh. Syahlan; Suyuti, Ansar; Nurtanio, Ingrid; Palantei, Elyas
JOIV : International Journal on Informatics Visualization Vol 9, No 5 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.5.3342

Abstract

This study proposes to detect the fertility of paddy soil based on texture, the power of Hydrogen (pH), and the amount of production. Fertile paddy soil provides essential nutrients and supports optimal plant growth. Therefore, monitoring and analyzing soil fertility is crucial in agricultural land management, which significantly increases rice yields. Paddy soil is categorized into three parts: very fertile soil, fertile soil, and reasonably fertile soil. This research proposes a new approach to detecting soil fertility levels based on factors that influence soil fertility using the Convolutional Neural Network (CNN) algorithm. There are 558 paddy soil datasets of 178 very fertile datasets, 135 fertile datasets, and 245 quite fertile datasets. In this research, we conducted trials using the CNN, Resnet, Enet, and VGG19 models. According to the test results, the CNN model using the Adam optimizer and a learning rate of 0.001 achieves the highest training accuracy of 0.9687 and validation accuracy of 0.8333. This suggests that this model can accurately identify the fertility of paddy soil, making it easier to calculate the fertility of paddy soil through its use. Future research can expand this study by integrating additional soil parameters, such as nitrogen, phosphorus, potassium levels, and organic matter content, to improve classification accuracy further. Additionally, employing multimodal data sources, such as remote sensing and hyperspectral imaging, could enhance the model's robustness in various environmental conditions. Further optimization of deep learning architectures and Artificial Intelligence (AI) techniques can also provide better interpretability and usability for agricultural stakeholders.
Co-Authors A. Ais Prayogi Alimuddin A. Marimar Muchtamar A.Ais Prayogi Abdul jalil Adnan Adnan Adnan Adnan Adnan Adnan Ady W Paundu Ady Wahyudi Ady Wahyudi Paundu Ady Wahyudi Paundu Ahmad Rifaldi Ais P Alimuddin Ais Prayogi Alimuddin Alif Tri Handoyo Alimuddin, A.Ais Prayogi Amil A Ilham Amil A Ilham Amil A. Ilham Amil Ahmad Ilham Amil Ahmad Ilham Amirullah, Indrabayu Andani Achmad Ansar Suyuti Anugrayani Bustamin Anugrayani Bustamin Anugrayani Bustamin Anugrayani Bustamin Areni, Intan Sari Astri Oktianawaty Aswandi, Andi Syam Aulia Darnilasari Bustamin, Anugrahyani Bustamin, Anugrayani Chandra Wisnu Nugroho Christoforus Yohanes Elly Warni Elly Warni elly warni Febriansyah, Muhammad Firmansyah J Kusuma Fransisca J Pontoh Hazriani, Hazriani I Ketut Eddy Purnama Ida Ayu Putu Sri Widnyani Ida R Sahali Imran Taufiq Indra Bayu Indrabayu - Indrabayu . Indrabayu Indrabayu Indrabayu Indrabayu Intan Sari Areni Intan Sari Areni Intan Sari Areni Iqra Aswad Iqra Aswad Jayanti Yusmah Sari Leonard Maramis Leonard, Calvin Rinaldy Lika Purwanti M Alief F Imran Mahdaniar, Mahdaniar Marindah, Tyanita Puti Mauridhi Hery Purnomo Mochamad Hariadi Mokobombang, Novy Nur R A Mokobombang, Novy Nur R.A Muh. Alief Fahdal Imran Oemar Muh. Syahlan Natsir Muhammad Indra Abidin Muhammad Niswar Muhammad Nizwar Mukarramah Yusuf Mukarramah Yusuf Musakkir Musakkir Musyfirah, Kamtina Naufal Khalil Novy NRA Mokobombang Nur Hikmah Nurdin, Arliyanti Nurdin, Winati Mutmainnah Nurhikmayana Janna Palantei, Elyas Paundu, Ady Wahyudi Rahmat Hardian Putra Rieka Zalzabillah Putri RIFALDI, AHMAD Riny Yustica Dewi Rizka Irianty Siska Anraeni Syafruddin Syarif Usman Umar Yohannes, Christoforus Yohannes, Chystoporus Yusuf, Mukarramah Zaenab Muslimin Zaenab Muslimin Zahir Zainuddin Zahir Zainuddin Zulkifli Tahir