Article Per Year (5 Year)
p-Index From 2021 - 2026
5.626
P-Index
This Author published in this journals
All Journal PROtek : Jurnal Ilmiah Teknik Elektro Jurnal INSYPRO (Information System and Processing) JTERA (Jurnal Teknologi Rekayasa) JURNAL INSTEK (Informatika Sains dan Teknologi) Ainet : Jurnal Informatika Jurnal Digital Teknologi Informasi Madaniya Jurnal Teknik Informatika (JUTIF) JUSTIN (Jurnal Sistem dan Teknologi Informasi) Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Informatika Progres ARUS JURNAL SAINS DAN TEKNOLOGI Journal of Muhammadiyah’s Application Technology
Bakti, Rizki Yusliana
Informatika, Universitas Muhammadiyah Makassar
Religion 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 Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Social Sciences Other

Published : 43 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 43 Documents
Search

 1   2   3   4   5 
Klasifikasi Mahasiswa Berpotensi Putus Studi Menggunakan Algoritma Decision Tree pada Fakultas Teknik Unismuh Makassar Yumi; Lukman; Bakti, Rizki Yusliana
Arus Jurnal Sains dan Teknologi Vol 2 No 2: Oktober (2024)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v2i2.674

Abstract

Universitas Muhammadiyah Makassar (Unismuh Makassar) menghadapi tantangan signifikan dalam menangani masalah mahasiswa yang berpotensi putus studi, terutama di Fakultas Teknik. Faktor-faktor seperti rendahnya kemampuan akademik, keterbatasan biaya, dan kendala tempat tinggal menjadi pemicu utama masalah ini, yang pada gilirannya dapat menghambat kemajuan perguruan tinggi. Penelitian ini bertujuan untuk mengklasifikasikan mahasiswa yang berpotensi putus studi menggunakan Algoritma Decision Tree C4.5 dan mengevaluasi tingkat akurasi sistem klasifikasi tersebut. Penelitian ini menggunakan metode kuantitatif dengan analisis statistik deskriptif. Dataset yang dianalisis terdiri dari 5657 mahasiswa Fakultas Teknik Unismuh Makassar, dengan atribut-atribut seperti pekerjaan dan penghasilan orang tua/wali, IPK, SKS, dan variabel lainnya yang relevan dengan status akademik mahasiswa. Hasil penelitian menunjukkan bahwa Algoritma Decision Tree C4.5 mampu mengklasifikasikan mahasiswa yang berpotensi putus studi dengan akurasi sebesar 100%. Nilai rata-rata precision dan recall masing-masing adalah 100%, sedangkan nilai rata-rata f1-score mencapai 100%. Temuan ini mengindikasikan bahwa Algoritma Decision Tree C4.5 memiliki performa yang tinggi dan merupakan metode yang efektif dalam mengidentifikasi mahasiswa dengan risiko putus studi, sehingga memungkinkan perguruan tinggi untuk mengambil langkah-langkah preventif yang lebih tepat sasaran.
PERANCANGAN DAN IMPLEMENTASI DASHBOARD PEMETAAN LOKASI SEBARAN MAJELIS DALAM NAUNGAN PERSYARIKATAN MUHAMMADIYAH SULAWESI SELATAN RIZKI YUSLIANA BAKTI; TANTRI INDRABULAN; LUKMAN ANAS; ANDI YUSRI; TITIN WAHYUNI; RIDWANG; MUTMAINNAH
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 8 No 2 (2023): OCTOBER
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v8i2.42200

Abstract

Lembaga di bawah naungan Persyarikatan Muhammadiyah dikelompokkan berdasarkan jenis majelis.Dalam perkembangan majelis tersebut maka diperlukan sebuah akses informasi berupa website yang dapat dengan mudah ditelusur oleh masyarakat melalui peramban Google. Dalam pencarian informasi utama seperti profil dan lokasi menjadi tidak efisien karena website majelis yang tersedia itu masih dikelola secara personal dan tidak terdata secara holistik. Oleh karena itu dibutuhkan sebuah dashboard yang dapat menampung informasi profil dan lokasi dari seluruh majelis dalam Pesyarikatan Muhammadiyah di Provinsi Sulawesi Selatan. Dengan mempertimbangkan penggunaan teknologi yang sifatnya user-friendly, familiar di kalangan masyarakat, dan fisibilitas yang ditawarkan maka tool yang akan digunakan dalam perancangan dashboard pada penelitian ini yaitu integrasi dari 2 aplikasi Google (Google Spreadsheet dan Google Data Studio). Google Spreadsheet bertugas untuk menyimpan data profil dan lokasi majelis, sedangkan Google Data Studio bertugas untuk menvisualisasikan data profil tersebut baik berupa deskripsi teks maupun pemetaan sebaran lokasi majelis.
PEMODELAN TOPIK SARAN MAHASISWA PADA SIMAK UNISMUH MENGGUNAKAN BERTOPIC Indriani, Lis; Irhamna Rachman, Fahrim; Yusliana Bakti, Rizki; Wahyuni, Titin
Jurnal INSYPRO (Information System and Processing) Vol 9 No 2 (2024)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v9i2.51308

Abstract

This study examines the use of the BERTopic algorithm for topic modeling on student feedback data collected through the SIMAK UNISMUH. The research aims to identify and visualize thematic patterns in student feedback to improve academic services and campus facilities. This study utilizes Natural Language Processing (NLP) techniques, particularly BERTopic, which combines the advantages of Bidirectional Encoder Representations from Transformers (BERT) with clustering algorithms to produce contextually rich and easily interpretable topic representations. The research data comprises 232,430 feedback entries that were processed to remove noise and irrelevant information, resulting in 26,009 valid entries. These entries were then processed using the BERTopic algorithm, generating nine distinct topics related to various aspects of academic life, including teaching methods, campus facilities, and administrative services. The coherence score of 0.637 indicates strong internal consistency within the identified topics, while the analysis reveals key areas where the university can enhance its services. The findings from this study provide actionable insights for university administrators, enabling them to make informed decisions and improve student academic performance. Additionally, this research contributes to the field of topic modeling in educational contexts and demonstrates the effectiveness of BERTopic in processing large-scale textual data.
Sistem Deteksi Ekspresi Wajah Berbasis Convolutional Neural Network (CNN) Untuk Pengenalan Emosi Manusia Wibawa. Ar, Arya; Irhamna Rachman, Fahrim; Yusliana Bakti, Rizki; Wahyuni, Titin
Jurnal INSYPRO (Information System and Processing) Vol 9 No 2 (2024)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v9i2.51360

Abstract

The development of human facial expression detection systems has become a growing research topic, particularly in efforts to create applications capable of automatically understanding and responding to human emotions. This research aims to develop and evaluate a human facial expression detection system using the Convolutional Neural Network (CNN) method. The dataset used consists of facial images with various expressions sourced from diverse origins. The data undergoes several preprocessing stages, including normalization, augmentation, and splitting into training and test sets. This study employs several CNN architectures to identify emotions such as happy, sad, angry, and scared. Testing is conducted using various parameters, including training and test data splits, as well as different CNN architectures. The results show that the CNN model can achieve over 90% accuracy on training data, with the best performance on the "Happy" emotion, achieving an f1-score of 0.93. However, there is a decrease in accuracy on validation data, with an overall average accuracy of 78%, indicating challenges in model generalization. Additionally, the "Sad" emotion has the lowest recall of 0.49, indicating the need for model improvement in classifying specific emotions. This study contributes to the development of CNN-based facial expression detection systems, but further exploration of more complex architectures, evaluation with diverse datasets, and real-time testing are needed to improve system performance.
PENGEMBANGAN MEDIA TRAINER INTERNET OF THINGS (IOT) DI SEKOLAH MENENGAH KEJURUAN TITIN WAHYUNI; RIZKI YUSLIANA BAKTI; LUKMAN ANAS; RIDWANG; AHMAD RISAL; ANDI AGUNG DWI ARYA BULU
Jurnal INSTEK (Informatika Sains dan Teknologi) Vol 7 No 1 (2022): APRIL
Publisher : Department of Informatics Engineering, Faculty of Science and Technology, Universitas Islam Negeri Alauddin, Makassar, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/instek.v7i1.28871

Abstract

Era perubahan teknologi telah merambah pada era revolusi industri 4.0, Sekolah Menengah Kejuruan sebagai lembaga pendidikan harus melakukan peningkatan ilmu pengetahuan untuk meningkatkan daya saing lulusan di era revolusi industri 4.0.Internet of Things (IoT) adalah kajian ilmu yang sangat penting dalam era revolusi industri 4.0 sehingga diangkatlah kajian penelitian yang yang bertujuan mengembangan media trainer untuk mendukung sebuah pembelajarandi Sekolah Menengah Kujuruan. Penelitian ini bertujuan untuk menghasilah trainer internet of things yang valid, praktis, dan efektif untuk digunakan sebagai media pendukung pembelajaran di Sekolah Menengah Kejuruan Metode pendelitian adalah Research and Development (R&D) dengan desain pengembangan mengacu pada model PIE dengan tiga tahapan yaitu (1) Persiapan, (2) Pelaksanaan, (3) Evaluasi. Hasil penelitian ini diharapakan dapat menghasilkan media trainer IoT yang valid/layak untuk digunakan serta praktis dan efisien dalam penggunaanya. Kata Kunci: IoT, Media, Trainer, Teknologi
OPTIMALISASI DIAGNOSIS DINI DIABETES DENGAN MACHINE LEARNING: MODEL PREDIKTIF BERBASIS K-NEAREST NEIGHBOR Anggreani, Desi; Bakti, Rizki Yusliana; Lukman, Lukman; Dewi MJ, Wanda Tyrana; A M Hayat, Muhyddin
JTERA (Jurnal Teknologi Rekayasa) Vol 10, No 1: Juni 2025
Publisher : Politeknik Sukabumi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31544/jtera.v10.i1.2025.89-98

Abstract

Diabetes merupakan penyakit tidak menular utama yang memberikan beban kesehatan global yang signifikan, dengan prevalensinya terus meningkat. Sebagai respons, penelitian ini mengembangkan aplikasi berbasis web untuk deteksi dini risiko diabetes menggunakan algoritma K-Nearest Neighbor (KNN), yang memanfaatkan Dataset lokal dari RSUD Kolonodale, Indonesia. Aplikasi ini memberikan alat yang efisien dan mudah diakses bagi masyarakat umum dan tenaga medis untuk memprediksi risiko diabetes berdasarkan indikator klinis utama seperti kadar gula darah, tekanan darah, Indeks Massa Tubuh (IMT), kadar insulin, dan riwayat keluarga. Model ini mencapai akurasi 93%, dengan precision 89%, recall 96%, dan F1-score 93%, yang menunjukkan efektivitasnya dalam membedakan antara kasus diabetes dan non-diabetes. Meskipun sistem ini menawarkan antarmuka pengguna yang ramah dan sumber daya edukasi tentang pencegahan diabetes, masih terdapat beberapa area yang perlu perbaikan, terutama dalam hal perluasan Dataset, penanganan kesalahan, dan performa pada beban pengguna yang tinggi. Aplikasi ini juga memiliki potensi untuk diintegrasikan dengan perangkat wearable dan chatbot berbasis AI untuk meningkatkan pemantauan secara real-time dan rekomendasi pencegahan yang dipersonalisasi. Pengembangan di masa depan dapat memperluas aplikasinya di fasilitas kesehatan baik di perkotaan maupun pedesaan.
ANALISIS DETEKSI DINI PENYAKIT JANTUNG DENGAN METODE ENSEMBLE LEARNING PADA DATA PASIEN Adrianingsih, Rizka; Irhamna Rachman, Fahrim; Yusliana Bakti, Rizki; Wahyuni, Titin
Jurnal INSYPRO (Information System and Processing) Vol 10 No 1 (2025)
Publisher : Prodi Sistem Informasi UIN Alauddin

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

Abstract

Heart disease is one of the leading causes of death, requiring early detection for prompt and accurate treatment. This study aims to develop a heart disease prediction model using ensemble learning methods, specifically the Adaptive Boosting (AdaBoost) technique. This method combines several weak models to improve the accuracy of heart disease classification based on patient data. The results show that applying the ensemble learning technique with the AdaBoost method produces a highly accurate model, especially after adding demographic features such as gender and age. The model's accuracy increased from 93.75% to 100%, with precision, recall, and F1-score reaching a perfect score of 1.00 for both classes. With these excellent results, the AdaBoost method has proven to be effective in detecting heart disease at an early stage, providing opportunities for more timely and effective medical interventions. This research is expected to make a significant contribution to the development of early heart disease detection technology and improve patient quality of life through more accurate diagnoses.
Metode Pinhole Model untuk Menentukan Jarak Perpindahan Kendaraan dalam Video Bakti, Rizki Yusliana
Ainet : Jurnal Informatika Vol. 1 No. 2 (2019): September (2019)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v1i2.2378

Abstract

Intelligent Transportation System is a solution to overcome the problem of transportation. The purpose of this study was to design a system to calculate the distance of vehicle movement in the video. One example of application of intelligent transport system is to calculate the speed of a vehicle that can be used in traffic engineering. Parameters used to obtain the speed of the vehicle is the distance parameter. The distance of vehicle movement in the video can be obtained by using a pinhole camera calibration model. An appropriate calibration of camera can provide the intended parameter. There are several stages to perform calculation of the distance of object movement. The first stage was a detection of vehicle within the frame. The detection was required to obtain the center point of  vehicle object. The next stage was to detect an object within the frame. This was performed to understand the movement of object from one frame to another frame. The data used for the study were video data with mov format. The result of research showed that the method of pinhole model was applicable to calculate the distance of object movement in video. The application of this method can help in calculating the object distance without manual calculation.
Implementasi Augmented Reality pada Game Mobile dalam Memperkenalkan Sejarah Kemerdekaan Republik Indonesia Rahman, Fahrim Irhamna; Ismail, La Ode Taufik; Bakti, Rizki Yusliana
Ainet : Jurnal Informatika Vol. 5 No. 1 (2023): Maret (2023)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v5i1.12841

Abstract

Sudah banyaknya game edukasi sejarah yang dibuat namun belum ada yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Penelitian ini bertujuan agar menghasilkan aplikasi game yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Dalam pembuatan game ini melalui beberapa tahap, antara lain pembuatan usecase diagram, activity diagram, sequence diagram, perancangan komponen permainan dan pengujian aplikasi yang dimana pengujian aplikasi ini terdiri dari pengujian blackbox, pengujian intensitas cahaya dan pengujian respon siswa terhadap game edukasi sejarah ini. Di dalam game ini terdapat tank sebagai pemain serta turret dan tankmusuh sebagai lawan dari pemain dan juga terdapat cutscene intro dan outro yang digunakan sebagai media yang akan memberikan informasi pembelajaran didalam game ini. Kesimpulan yang didapatkan dari hasil pengujian game ini dimana para pelajar menikmati serta menanggapi bahwasanya game augmented reality ini dianggap menarik oleh mereka dalam mempelajari sejarah perjuangan kemerdekaan republik Indonesia sehingga mereka ingin kembali bermain dan mencoba jenis game edukasi yang serupa dan sejenis.
IMPLEMENTASI K-MEANS DAN ANALISIS SENTIMEN KRITIK SARAN BERBASIS NLP PADA DATA MONEV BBPSDMP KOMINFO MAKASSAR Akbar, Syahril; Faisal, Muhammad; Bakti, Rizki Yusliana; Syafaat, Muhammad; Syamsuri, Andi Makbul; AM Hayat, Muhyiddin; Anas, 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.v17i2.465

Abstract

Manual analysis of large-scale and unstructured textual feedback data is often inefficient and subjective, thereby hindering data-driven decision-making. This study aims to design and implement an integrated analytical workflow to automatically filter, cluster, and classify feedback data consisting of criticisms and suggestions. The research employs a hybrid approach that begins with TF-IDF-based data filtering, followed by dimensionality reduction using Latent Semantic Analysis (LSA), and topic clustering through K-Means clustering optimized with the Silhouette Score. The resulting cluster labels are then used as training data to build a Multinomial Naive Bayes classification model. The results show that this workflow successfully identified two main thematic clusters, namely "Criticism and Expectations" and "Suggestions and Compliments", and the classification model achieved an overall accuracy of 91%. Although class imbalance affected the recall of the minority class (47%), the model demonstrated high precision (95%) for that class. It is concluded that this hybrid approach effectively transforms raw data into structured insights, and utilizing clustering results as training data is an efficient strategy for automating feedback categorization, providing a reliable tool for institutional analysis.
Co-Authors A M Hayat, Muhyddin Adrianingsih, Rizka Ahmad Risal Akbar, Syahril ANDI AGUNG DWI ARYA BULU Andi Yusri Anggreani, Desi Aritmawijaya, Suandi Chatarina Umbul Wahyuni Dewi MJ, Wanda Tyrana Dewi, Syamrilla Fachrim Irhamna Rachman Faeruddin, Muhammad Asygar Fahrim Irhmna Rachman Faturohman, Agung Hadawina Hadawina Haruna, Hanjas Hayat, Muhyddin A.M Indriani, Lis Iskandar, Aryansyah Ismail, La Ode Taufik Kamsurya, Rianita Kazman Riyadi La Ode Taufik Ismail La Ode Taufik Ismail Lukman LUKMAN ANAS Lukman Lukman Lukman Lukman LUKMAN, LUKMAN Maharani, Afifah Muh Nur Aqsal Aminullah Muhammad Faisal Muhyiddin A.M Hayat Mujidah, Jihan Izzathul Muslimah, Nurul Aulia Nandy Rizaldy Najib Nur Alam Nur, Makmur Jaya Prima Abdiguna, Aidhil Rahman, Fahrim Irhamna RAHMANIA Rahmania Rasyidi, Muhammad Fachri Reski Abbas Reski Awalia Ridwang Ridwang Ridwang Ridwang Ridwang, Ridwang S. Kuba, Muhammad Syafa'at Salam, Abd Sarina Sri Hastati suandi_17, suandi_aritmawijaya Sulaeman Suriani Suriani Syamsuri, Andi Makbul TANTRI INDRABULAN Thariq, Ahmad Titin Wahyuni Usman, Ansharullah Patiroi Utama, Prengki Putra Virgiawan, David Arian Wibawa. Ar, Arya Yanti, Wilda Yumi