Article Per Year (5 Year)
p-Index From 2021 - 2026
2.957
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) snimed Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Indonesian Journal of Business Intelligence (IJUBI) REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer Jurnal Ilmiah SIGMA: Informatics Engineering Journal of UPB Jurnal Pengabdian Pelitabangsa Jurnal Pelita Pengabdian SAINTEK
Muhammad Najamuddin Dwi Miharja
Universitas Pelita Bangsa
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 22 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 22 Documents
Search

 1   2   3 
Implementasi Chatbot Deteksi Depresi Dini Pada Mahasiswa Dengan Phq-9 (Patient Health Questionnaire) Menggunakan NLP (Natural Language Processing). Muhammad Najamuddin Dwi Miharja; Shohibul Adhkar
Prosiding Sains dan Teknologi Vol. 1 No. 1 (2022): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 1 - Juli 2022
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/SAINTEK0101.103108

Abstract

One of the serious problems in public health according to the World Health Organization (WHO) is depression. According to WHO depression ranks fourth disease in the world. When someone experiences depression, it will have an impact on reduced productivity, especially for students. The Patient Health Questionnaire (PHQ-9) is a sequence of questions in the initial screening of depression to see the initial severity of depression. Chatbots are applications with artificial intelligence that can communicate with humans. Natural Language Processing is one of the subtopics of Artificial Intelligence, which is an application that can have the advantage of understanding human language normally. In this study, a chatbot service was implemented for Early Detection of Depression in Students with PHQ-9 (Patient Health Questionnaire) using NLP (Natural Language Processing). It was found that around 84% answered that chatbots can help for early detection of depression. Keywords: Chatbot, Natural language Processing (NLP), PHQ-9
Optimizing firewall timing for brute force mitigation with random forests Turmudi Zy, Ahmad; Isarianto, Isarianto; Muhammad Rifa'i, Anggi; Ghofir, Abdul; Dwi Miharja, Muhammad Najamuddin; Tri Sasongko, Ananto
IAES International Journal of Artificial Intelligence (IJ-AI) Vol 14, No 4: August 2025
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/ijai.v14.i4.pp2945-2954

Abstract

Mitigating brute force attacks remains a critical challenge in cybersecurity, requiring intelligent and adaptive solutions. This research introduces an approach to optimizing firewall deployment timing for enhanced brute force mitigation using pattern recognition techniques with the random forest algorithm. Leveraging the UNSW-NB15 dataset, comprehensive preprocessing and exploratory data analysis (EDA) were performed to ensure the dataset's suitability for machine learning applications. The study utilized a structured workflow, splitting the dataset into training and testing subsets to rigorously evaluate the model's performance. The proposed random forest model achieved a high accuracy of 98.87%, supported by precision, recall, and F1-scores that confirm its effectiveness in distinguishing normal and attack traffic. The confusion matrix further validated the model’s robustness, highlighting its potential in improving the efficiency of firewall deployment. These findings demonstrate the critical role of advanced machine learning techniques in enhancing cybersecurity defenses, particularly in mitigating brute force attacks through optimized, data-driven strategies.
IMPLEMENTASI SISTEM KEHADIRAN PRAKTIKUM BERBASIS QR-CODE DENGAN WHATSAPP GATEWAY MENGGUNAKAN METODE RAPID APPLICATION DEVELOPMENT (RAD) Aditia, Sultan; Dwi Miharja, Muhammad Najamuddin; Aguswin, Ahmad
Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi Vol 9, No 2 (2023): Agustus
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/rmsi.v9i2.23693

Abstract

Absensi pada kegiatan praktikum di Laboratorium Komputer Universitas Pelita Bangsa masih menggunakan cara manual, dimana mahasiswa peserta praktikum wajib membawa kartu kendali berisikan data diri berupa nama, nim dan praktikum yang dijalani untuk kemudian ditandatangani dan diberi stempel oleh Asisten Lab yang menjadi pengawas praktikum lalu kemudian pengawas praktikum menginput data kehadiran peserta praktikum ke file microsoft excel untuk dijadikan laporan. Mengingat jumlah mahasiswa yang mengikuti praktikum tidaklah sedikit, tentu sangat merepotkan bagi pengawas untuk menginput daftar kehadiran satu persatu, apalagi ini juga bisa menjadi masalah apabila suatu saat file arsip hilang, belum lagi adanya masalah kartu kendali hilang, rusak atau tertinggal, maka dibutuhkan adanya sistem absensi yang dapat mencatat kehadiran secara efektif dan efisien. Sistem Kehadiran Praktikum ini dibuat dengan framework Laravel versi 10 dan MySql sebagai basis data, dan dikembangkan dengan menggunakan metode Rapid Application Development (RAD). Hasil dari penelitian ini adalah Aplikasi Absensi dapat menginput data absensi secara cepat dengan cara menscan Qr-Code yang dibuat berdasarkan nim mahasiswa yang sudah terdata, kemudian sistem akan mengirim pesan whatsapp secara otomatis sebagai tanda bukti kehadiran. Kesimpulan dari penelitian ini adalah dengan Aplikasi Absensi ini pencatatan kehadiran pada praktikum jadi lebih cepat dan menghemat waktu, efektif dan efisien serta mengurangi resiko hilangnya data serta mengurangi penggunaan kertas dengan tidak lagi mencetak kartu kendali kegiatan praktikum.
Implementasi QRCode Absensi Karyawan Menggunakan Metode Waterfall pada PT. Jaya Sahabat Anda Ari Almali Bari; Muhammad Najamuddin Dwi Miharja; Wiyanto
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 9 No. 4 (2025): Volume 9 Nomor 4 Oktober 2025
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v9i4.15417

Abstract

Perkembangan teknologi informasi mendorong perusahaan untuk meningkatkan efektivitas sistem administrasi, termasuk dalam pengelolaan absensi karyawan. PT. Jaya Sahabat Anda masih menggunakan metode absensi manual yang rawan kesalahan pencatatan, keterlambatan rekapitulasi, dan risiko manipulasi data. Tujuan penelitian ini adalah menerapkan sistem absensi menggunakan teknologi QRCode yang dapat memberikan solusi lebih efisien, akurat, dan transparan dalam pencatatan kehadiran karyawan. Metode digunakan adalah Waterfall, yang terdiri dari tahapan analisis kebutuhan, desain sistem, implementasi, pengujian, hingga pemeliharaan. Hasilnya menunjukkan bahwa sistem absensi berbasis QRCode mampu mempermudah proses pencatatan kehadiran dengan meminimalisasi human error, mempercepat proses rekapitulasi data absensi, serta meningkatkan keamanan data dengan autentikasi unik setiap karyawan. Implementasi sistem ini juga mendukung proses evaluasi kinerja yang lebih objektif melalui data kehadiran yang terintegrasi. Implikasi penelitian ini adalah perusahaan dapat mengoptimalkan sistem absen dengan memanfaatkan teknologi digital, sekaligus meningkatkan disiplin dan produktivitas karyawan. Dengan demikian, sistem absensi berbasis QRCode yang dibangun dengan metode Waterfall dapat dijadikan sebagai alternatif solusi modern untuk menggantikan sistem manual yang kurang efektif.
SISTEM PERINGATAN DINI BLINDSPOT FORKLIFT BERBASIS IOT MENGGUNAKAN ESP32, SENSOR ULTRASONIK, DAN NOTIFIKASI TELEGRAM REAL-TIME Muhammad Raffi Arsyad; Muhammad Najamuddin Dwi Miharja; Aceng Badruzzaman
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 3 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/63pjz614

Abstract

Penelitian ini bertujuan mengembangkan dan menguji sistem peringatan dini blindspot forklift berbasis Internet of Things (IoT) untuk meningkatkan keselamatan kerja di lingkungan industri manufaktur. Latar belakang penelitian didasarkan pada masih tingginya potensi bahaya dan kejadian near miss yang berkaitan dengan operasional forklift, khususnya pada area blindspot yang tidak terjangkau pandangan operator. Penelitian menggunakan pendekatan Research and Development (R&D) yang meliputi tahapan perancangan, implementasi, dan pengujian sistem di PT Futaba Industrial Indonesia. Sistem yang dikembangkan mengintegrasikan sensor ultrasonik HC-SR04 sebagai pendeteksi jarak, mikrokontroler ESP32 sebagai pengolah data dan pengendali sistem, buzzer sebagai alarm lokal, serta Telegram Bot API sebagai media notifikasi real-time. Pengujian dilakukan untuk menilai akurasi pembacaan sensor, respon alarm buzzer berdasarkan interval jarak, serta kecepatan pengiriman notifikasi Telegram. Hasil pengujian menunjukkan bahwa sensor ultrasonik memiliki rata-rata error sebesar 0,71%, buzzer mampu memberikan peringatan bertingkat sesuai kedekatan objek, dan notifikasi Telegram memiliki rata-rata delay sekitar 3 detik yang masih dalam batas waktu respon yang dapat diterima untuk sistem peringatan dini. Temuan ini mengindikasikan bahwa sistem yang dikembangkan berfungsi secara andal dalam mendeteksi objek pada area blindspot forklift dan memberikan peringatan cepat kepada operator maupun petugas keselamatan. Dengan demikian, sistem peringatan dini berbasis IoT ini berpotensi menjadi lapisan pengendalian risiko tambahan yang efektif untuk mendukung upaya pencegahan kecelakaan kerja di area operasional forklift. Kata Kunci: Internet of Things, ESP32, Forklift, Titik Buta, Sensor Ultrasonik, Bot Telegram, Keselamatan Kerja
Sistem Klasifikasi Informasi Parkir Dengan Metode Algoritma Naive Bayes Studi Kasus CV. Megah Universitas Pelita Bangsa Muhammad Najamuddin Dwi Miharja; Dede Setiawan; Suprapto; Asep Supriyanto; Rensi Suryanti
Jurnal SIGMA Vol 16 No 3 (2025): Desember 2025
Publisher : Teknik Informatika, Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37366/sigma.v15i1.7321

Abstract

C.V Megah Pelita Bangsa merupakan bidang yang bergerak dalam pengelolaan parkir di Universitas Pelita Bangsa Cikarang. Dalam menentukan pengeloaan parkir harus dibutuhkan sistem klasifikasi dikarenakan sulitnya petugas dalam menentukan lahan parkir yang akan digunakan karena banyaknya kendaran sehingga mengakibatkan penumpukan kendaraan. Oleh karena itu harus ada sistem pengambil keputusan yang dapat mengatasi masalah tersebut. Penelitian ini bertujuan untuk menentukan lahan parkir menggunakan data mining dan algoritma naïve bayes. Pada hasil klasifikasi 180 data yang di uji menggunakan metode naïve bayes menghasilkan tingkat akurasi sebesar 96%
DESIGN OF IDENTIFICATION OF SINGLE DEPRESSION DISORDERS USING NATURAL LANGUAGE PROCESSING MODEL IN PATIENT COMPLAINTS Soma Setiawan Ponco Nugroho; Muhammad Najamuddin Dwi
Indonesian Journal of Business Intelligence (IJUBI) Vol 1 No 2 (2018): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v1i2.882

Abstract

Unconsciously mental disorders often begin with mild symptoms such as anxiety and depression. In cases of depression with long periods of time can result in disruption of a person's mindset and suicidal arising. Based on WHO data in 2010 suicide rates due to depression in Indonesia reached 1.6 to 1.8 per 100,000 people. Unfortunately the symptoms of depressive disorders are often difficult to recognize because a series of patient complaints are in the form of medical narratives or unstructured texts written by doctors. So to get a diagnosis is done by extracting symptoms from complaints data in the form of medical narrative texts. In this study, a design for identifying a single depressive disorder will be built using rule-based reasoning and the Natural Language Processing approach to extract symptoms in a medical narrative or patient complaint text.
IMPLEMENTASI AGILE DEVELOPMENT PADA PENGEMBANGAN APLIKASI CETAK SERTIKAT ONLINE MUNASBA UIVERSITAS AL-AZHAR INDONESIA. Muhammad Najamuddin Dwi Miharja
Indonesian Journal of Business Intelligence (IJUBI) Vol 3 No 2 (2020): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v3i2.1623

Abstract

program studi sastra Arab, Fakultas Ilmu Pengetahuan Budaya Universitas Al-azhar Indonesia mempunyai kegiatan rutin tahunan yaitu Munasba atau multaqa nasional bahasa arab sekaligus memperingati hari bahasa arab Se-Dunia. Pada atahun ini yaitu tahun 2020 munasba dilakasankan pad atanggal 17 desember 2020 dengan tetap melaksanakan protocol kesehtan untuk mengurangi penyebaran Covid-19, untuk itu dibuatlah sebuah sistem percetakan sertifikat online. Dalam metode pengembanganya penulis mengimplementasikan sebuah metode pengembangan perangkat lunak scrum yang bisa membantu proses pengembangan perangkat lunak tersebut dengan baik. Dalam implementasi metode scrum ini langkah-langkah yang dilakukan adalah menentukan Product Backlog, merencanakan Sprint, melakuakan daily meeting scrum juga melakukan review dan retrosprective. Hasil penelitian menujukkan bahwa metode scrum dapat digunakan dalam implementasi pengembangan perangkat lunak sistem cetak sertifikat online ini dengan baik.
IMPLEMENTASI SISTEM REMINDER JADWAL CUCI DARAH PADA PASIEAN HEMODIALISIS DENGAN WHATSAPP GATEWAY. Muhammad Najamuddin Dwi Miharja; Soma Setiawan Ponco Nugroho; Annafi' Franz
Indonesian Journal of Business Intelligence (IJUBI) Vol 4 No 1 (2021): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v4i1.1793

Abstract

Setipa tahun, pada bulan maret hari kamis minggu kedua adalah hari ginjal sedunia. Gagal ginjal kronik merupakan slah satu penyakit dengan biaya yang paling tinggi setalah penyakit jantung. Sesorang dikatakan mengalami gagal ginjal kronik ketika nilai Glomerular Filtration Rate (GFR) yakni < 60 ml/menit/1,73 m2. Sehingga harus menjalai terapi hemodialsisis (HD) / cuci darah biasanya seminggu dua kali dengan durasi 4 jam tiap terapi. Meningkatnya pasien dengan gagal ginjal kronik di usia produktif yang relatif sibuk membutuhkan pengingat supaya tidak terlewat dan telat datang sehingga meganggu jadwal pasien lain. Sistem reminder jadwal cuci darah dengan whatsapp gateway terbukti membantu pasien untuk bisa mengingatkan waktu terapi dan datang sesuai dengan jadwal. Sistem dibangun dengan menggunakan bahasa pemrograman PHP dan node js untuk pembuatan whatsapp API serta DBMS mysql untuk penympanan databasenya.
PENERAPAN METODE DISCRETIZATION DAN ADABOOST UNTUK MENINGKATKAN AKURASI ALGORITMA KLASIFIKASI DALAM MEMPREDIKSI PENYAKIT JANTUNG Annisa Maulana Majid; Muhammad Najamuddin Dwi Miharja
Indonesian Journal of Business Intelligence (IJUBI) Vol 5 No 2 (2022): Indonesian Journal of Business Intelligence (IJUBI)
Publisher : Universitas Alma Ata

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21927/ijubi.v5i2.2689

Abstract

Angka kematian yang disebabkan oleh penyakit jantung dapat dikurangi jika ada diagnosa yang akurat sejak dini. Penelitian sebelumnya dalam memprediksi penyakit jantung dengan tingkat akurasi telah dilakukan namun menghasilkan akurasi yang kecil pada algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN). Untuk itu diperlukan adanya peningkatan akurasi agar menghasilkan keakuratan informasi. Tujuan penelitian ini adalah untuk meningkatkan akurasi dari algortima klasifikasi Decision Tree C4.5 dan K-Nearest Neighbor (KNN) menggunakan data heart disease dataset dari kaggle.com dengan menerapkan teknik discretization dan metode ensemble yaitu adaboost. Hasil penelitian ini dengan algoritma tunggal menghasilkan akurasi sebesar 89,17% pada Decision Tree dan 84,68% pada KNN, sedangkan Decision tree menggunakan teknik discretization dan adaboots sebesar 99,81% dan KNN menggunakan teknik discretization dan adaboots sebesar 92,88%. Hasil menunjukkan adanya peningkatan algortima klasifikasi menggunakan teknik discretization dan adaboots.
Co-Authors Abdul Ghofir Aceng Badruzzaman Aditia, Sultan Aguswin, Ahmad Ahmad Fatih Ahmad Fauzi Annafi’ Franz Annisa Maulana Majid Ari Almali Bari Asep Supriyanto Dede Setiawan Dian Sulistyorini Wulandari Dina Faradilla Erlina Widayanti Ermanto Ermanto Fathia Wardah S. Djawas Isarianto, Isarianto Muhammad Hamdan 'Ainulyaqin Muhammad Raffi Arsyad Muhammad Rifa'i, Anggi Nanang Tedi K Nandhito Kuslesmana Perdana Ricardo Rensi Suryanti Shohibul Adhkar Soma Setiawan Ponco Nugroho Suprapto Syifa Aulia Tri Sasongko, Ananto Turmudi Zy, Ahmad Tyo Repsi Harta Sanjaya Wiyanto Yahya, Adibah