Article Per Year (5 Year)
p-Index From 2021 - 2026
6.455
P-Index
This Author published in this journals
All Journal Jurnal Buana Informatika Jurnal Informatika dan Teknik Elektro Terapan Sistemasi: Jurnal Sistem Informasi Jurnal Tekno Kompak SELODANG MAYANG Journal of Applied Data Sciences Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Karya Abdi CHAIN: Journal of Computer Technology, Computer Engineering and Informatics Indonesian Journal of Innovation Multidisipliner Research Teknofile, Jurnal Sistem Informasi Abdimas, Jurnal Pengabdian Masyarakat JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Komputasi : Jurnal Ilmiah Ilmu Komputer dan Matematika Jurnal Perangkat Lunak
Muh. Rasyid Ridha
Universitas Islam Indragiri
Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering 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 Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Nursing Public Health Social Sciences Transportation Other

Published : 48 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 48 Documents
Search

 1   2   3   4   5 
KLASIFIKASI STATUS STUNTING PADA BALITA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) ervina kartikasari; Novisca Indriani; Nurul Hidayah; Muh. Rasyid Ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Stunting merupakan kondisi gangguan pertumbuhan pada balita yang disebabkan oleh kekurangan gizi kronis dalam jangka waktu yang panjang. Kondisi ini masih menjadi salah satu permasalahan kesehatan masyarakat yang memerlukan perhatian karena dapat memengaruhi pertumbuhan fisik, perkembangan kognitif, serta kualitas hidup anak di masa mendatang. Dalam pelaksanaannya, proses pemantauan status gizi balita di lapangan masih banyak dilakukan secara manual melalui pencatatan pada grafik pertumbuhan. Cara tersebut berpotensi menimbulkan kesalahan pencatatan maupun keterlambatan dalam proses identifikasi status gizi. Penelitian ini bertujuan menerapkan metode K-Nearest Neighbor (KNN) untuk mengklasifikasikan status stunting pada balita berdasarkan data antropometri. Tahapan penelitian meliputi pengumpulan data, preprocessing, pembagian data latih dan data uji, serta pengujian beberapa nilai parameter k untuk memperoleh hasil klasifikasi yang sesuai. Melalui metode KNN, status gizi balita ditentukan berdasarkan tingkat kemiripan data dengan data balita yang telah diketahui status gizinya. Hasil penelitian menunjukkan bahwa algoritma KNN dapat digunakan untuk mengklasifikasikan status stunting berdasarkan karakteristik antropometri balita. Model yang dihasilkan kemudian diimplementasikan ke dalam aplikasi berbasis web untuk membantu petugas kesehatan dan kader posyandu dalam melakukan identifikasi awal status stunting. Sistem yang dibangun juga membantu proses pencatatan dan pengolahan data sehingga dapat mengurangi kemungkinan kesalahan dalam pendataan.
ANALISIS SENTIMEN CYBERBULLYING PADA KOMENTAR TIKTOK TERKAIT ISU REMAJA MENGGUNAKAN NAÏVE BAYES CLASSIFIER SEBAGAI DASAR PENGUATAN LITERASI DIGITAL Ari Ardana; M. Saleh; M. Akbar Riwanto; Muh. Rasyid Ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Cyberbullying merupakan salah satu permasalahan yang sering muncul pada media sosial dan dapat berdampak negatif terhadap kesehatan mental remaja. TikTok sebagai platform yang banyak digunakan remaja memungkinkan terjadinya interaksi melalui komentar yang mengandung sentimen positif maupun negatif. Penelitian ini bertujuan untuk menganalisis sentimen komentar TikTok terkait isu remaja menggunakan algoritma Multinomial Naïve Bayes sebagai dasar penguatan literasi digital. Penelitian menggunakan pendekatan kuantitatif dengan data sebanyak 1.508 komentar TikTok. Tahapan penelitian meliputi pengumpulan data, pelabelan, preprocessing teks (case folding, cleaning, tokenizing, stopword removal, dan stemming), transformasi data menggunakan TF-IDF, serta klasifikasi menggunakan Multinomial Naïve Bayes. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa 55,2% komentar tergolong sentimen positif dan 44,8% sentimen negatif. Model menghasilkan nilai accuracy sebesar 69,33%, precision sebesar 68,14%, recall sebesar 83,73%, dan F1-score sebesar 75,14%. Hasil tersebut menunjukkan bahwa Multinomial Naïve Bayes memiliki kemampuan yang cukup baik dalam mengklasifikasikan sentimen komentar TikTok dan mengidentifikasi potensi cyberbullying. Temuan penelitian ini dapat dimanfaatkan sebagai dasar pengembangan program literasi digital dan upaya pencegahan cyberbullying pada kalangan remaja.
PENERAPAN K-MEANS CLUSTERING UNTUK KLASIFIKASI POLA SERANGAN SIBERPADA INTRUSION DETECTION SYSTEM (IDS) BERBASIS DATA LOG JARINGAN juwardi wafdan; muhammad suratman; kawet mujiono; muh. rasyid ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Meningkatnya intensitas serangan siber secara global, termasuk di Indonesia yang mencatat 361 juta anomali trafik sepanjang Januari hingga Oktober 2023, mendorong kebutuhan mendesak terhadap sistem deteksi intrusi (IDS) yang mampu bekerja secara adaptif dan efisien. Penelitian ini menerapkan algoritma K-Means Clustering sebagai pendekatan unsupervised learning untuk mengklasifikasikan pola serangan siber meliputi DDoS, brute force, port scanning, botnet, dan web attack berdasarkan data log jaringan dari dataset CICIDS2017. Proses penelitian mencakup preprocessing data, reduksi fitur menggunakan Principal Component Analysis (PCA), penentuan jumlah kluster optimal dengan metode Elbow dan Silhouette Coefficient, serta evaluasi hasil clustering. Penelitian ini bertujuan menghasilkan model pengelompokan serangan yang dapat membantu tim keamanan jaringan dalam proses triase insiden secara lebih terstruktur tanpa ketergantungan pada data berlabel. Hasil evaluasi diharapkan menunjukkan nilai Silhouette Coefficient di atas 0,50 dengan pemisahan kluster yang jelas antara trafik normal dan trafik serangan.
OPTIMISASI MODEL DEEP LEARNING UNTUK KLASIFIKASI BUAH PISANG BARANGAN MENGGUNAKAN TEKNIK DATA AUGMENTATION Nazwa Cahya Kamila; Muhammad Dede Fitriawan; Ernisa; Muh.Rasyid Ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Penentuan tingkat kematangan buah pisang secara manual masih banyak dilakukan berdasarkan pengamatan visual sehingga bersifat subjektif dan berpotensi menimbulkan kesalahan dalam proses sortasi maupun pemasaran. Penelitian ini bertujuan untuk mengoptimisasi model deep learning dalam klasifikasi buah pisang barangan menggunakan teknik data augmentation. Metode penelitian yang digunakan adalah metode eksperimen yang meliputi pengumpulan dataset citra buah pisang dari berbagai sudut pengambilan gambar dan kondisi pencahayaan, tahap preprocessing berupa resize citra menjadi 224×224 piksel dan normalisasi data, penerapan teknik data augmentation seperti rotasi, horizontal flipping, zoom, dan brightness adjustment, serta pelatihan model menggunakan arsitektur Convolutional Neural Network (CNN). Proses pelatihan model dilakukan selama 10 epoch dan menghasilkan nilai accuracy sebesar 25% dengan nilai loss akhir sebesar 1,3414. Hasil pengujian menunjukkan bahwa model mampu melakukan proses klasifikasi terhadap citra buah pisang, namun performa yang dihasilkan masih belum optimal karena keterbatasan jumlah dataset yang digunakan. Penerapan teknik data augmentation memberikan variasi data pelatihan yang lebih beragam sehingga dapat membantu proses pembelajaran model terhadap karakteristik visual objek. Berdasarkan hasil penelitian, optimisasi model deep learning menggunakan teknik data augmentation menunjukkan potensi untuk mendukung proses klasifikasi buah pisang barangan secara otomatis. Namun demikian, diperlukan penambahan jumlah dataset dan optimasi model lebih lanjut agar tingkat akurasi klasifikasi dapat ditingkatkan pada penelitian selanjutnya.
PENERAPAN MARKET BASKET ANALYSIS DENGAN ALGORITMA APRIORI SEBAGAI DASAR STRATEGI SINKRONISASI OPERASIONAL PADA EKOSISTEM UMKM HETEROGEN Rahma Yulia Sifa; Ayla Zhafira; Khairul Khatimah; Muh. Rasyid Ridha
TEKNOFILE : Jurnal Sistem Informasi Vol. 4 No. 6 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Transformasi digital pada ekosistem UMKM heterogen sering terkendala oleh ketiadaan sistem pencatatan transaksi terintegrasi, yang memicu inefisiensi operasional. Penelitian ini bertujuan merumuskan strategi sinkronisasi operasional lintas unit menggunakan Market Basket Analysis berbasis algoritma Apriori. Dengan menerapkan Daily Aggregation Strategy pada data transaksi manual selama 92 hari di tiga unit usaha (jasa fisik, kedai kopi, dan layanan keuangan mikro), penelitian ini berhasil mengekstraksi pola ko-aktivasi harian antar unit usaha. Hasil analisis menunjukkan nilai Support (0,217), Confidence (0,741), dan Lift Ratio (1,450), yang mengonfirmasi adanya pola kunjungan multi-tujuan yang terstruktur dan prediktif. Temuan ini menjadi landasan dalam merumuskan strategi sinkronisasi inventori, penjadwalan tenaga kerja adaptif, dan program cross-promotion yang actionable. Meskipun absennya data identitas pelanggan per transaksi menjadi keterbatasan utama, pendekatan agregasi harian terbukti valid sebagai solusi proksi bagi UMKM dengan infrastruktur digital terbatas. Penelitian ini memberikan kontribusi praktis bagi efisiensi operasional ekosistem UMKM melalui pendekatan berbasis data yang sistematis.
PENERAPAN ALGORITMA DECISION TREE UNTUK DETEKSI DINI SISWA MEMERLUKAN INTERVENSI PEMBELAJARAN DI MI NURUL JIHAD Regina Zulaikha Tizar; Gita Novi Yanti; Muhammad Regi Nidzra Kurniawan; Muh. Rasyid Ridha
ABDIMAS : Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Penilaian kondisi belajar siswa di sekolah dasar masih sering dilakukan secara subjektif dan hanya bertumpu pada nilai akademik, sehingga siswa yang sesungguhnya memerlukan intervensi pembelajaran berisiko tidak terdeteksi secara tepat waktu. Penelitian ini bertujuan untuk menerapkan algoritma Decision Tree guna mendeteksi dini siswa yang memerlukan intervensi pembelajaran secara lebih objektif dan sistematis di MI Nurul Jihad Tembilahan Hulu. Data diperoleh dari dokumen akademik dan observasi guru terhadap 69 siswa kelas 4 hingga kelas 6 tahun pelajaran 2023/2024. Variabel yang digunakan meliputi nilai akademik, persentase kehadiran, pengumpulan tugas, dan keaktifan siswa di kelas. Model dibangun menggunakan algoritma Decision Tree dengan pembagian data training dan testing sebesar 80:20. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan siswa ke dalam dua kategori, yaitu perlu intervensi dan tidak perlu intervensi, dengan akurasi 90,91%, presisi 92,31%, recall 88,89%, dan F1-Score 90,57%. Penelitian ini menyimpulkan bahwa algoritma Decision Tree terbukti efektif sebagai alat bantu berbasis data yang dapat mendukung guru dalam mengidentifikasi siswa yang membutuhkan perhatian khusus secara lebih cepat, tepat, dan terukur.
DESIGN AND TRAINING FOR AN E-COMMERCE WEBSITE TO BOOST SALES AT THE OUTLET UMKM VU2T TEMBILAHAN Dwi Yuli Prasetyo; Rosliana; Muh. Rasyid Ridha; Usman; Achmad Isya Alfassa
ABDIMAS : Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2026): Juni 2026
Publisher : PT. ZIVANA CENDEKIAWAN BANGSA

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

Abstract

Pengabdian kepada masyarakat ini bertujuan menganalisis peningkatan penjualan pada UMKM Outlet Vu2t Tembilahan sebelum dan sesudah penerapan website e-commerce berbasis WordPress dengan tema FoodPress. Pengembangan website menggunakan model Rapid Application Development (RAD) yang memungkinkan proses pembangunan sistem dilakukan secara cepat melalui tahapan perencanaan kebutuhan, perancangan antarmuka, konstruksi, dan implementasi. Metode penelitian yang digunakan adalah kuantitatif deskriptif dengan mengolah data penjualan bulanan selama periode sebelum dan sesudah website dioperasikan. Data dianalisis untuk melihat perubahan jumlah transaksi, omzet, serta peningkatan jangkauan pemasaran. Hasil penelitian menunjukkan bahwa penerapan website e-commerce memberikan dampak positif terhadap peningkatan penjualan dan visibilitas produk UMKM, ditandai dengan meningkatnya volume transaksi serta bertambahnya pelanggan baru yang melakukan pemesanan secara online. Penelitian ini membuktikan bahwa pemanfaatan website e-commerce dapat menjadi strategi efektif bagi UMKM dalam memperluas pasar dan meningkatkan daya saing di era digital.  
Optimization of a Hybrid CNN-SVM Model for Pineapple Ripeness Classification Fanisha Juliananda Putri; Muh. Rasyid Ridha; Fitri Yunita
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 11 No. 2 (2026): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v11i2.5890

Abstract

Pineapple ripeness classification plays an important role in maintaining fruit quality and supporting the sorting process. Conventional ripeness assessment is commonly performed manually, which may lead to subjectivity and inconsistent results. This study aims to develop a Hybrid Convolutional Neural Network (CNN) and Support Vector Machine (SVM) model for classifying pineapple ripeness levels based on digital images. The dataset consisted of 3,745 pineapple images categorized into five ripeness classes: unripe, under-ripe, half-ripe, ripe, and rotten. Before model training, the images underwent preprocessing and data augmentation using rotation, horizontal flip, zoom out, brightness adjustment, and darkness adjustment techniques to increase dataset diversity. CNN was employed as a feature extractor to capture the visual characteristics of pineapples, while SVM was used as the classifier to determine the ripeness class. Model performance was evaluated using accuracy, precision, recall, and F1-score metrics. The experimental results showed that the proposed Hybrid CNN-SVM model achieved an accuracy of 92%, outperforming CNN (87%), K-Nearest Neighbor (86%), Random Forest (84%), and SVM (71%). These findings indicate that the combination of CNN and SVM effectively improves pineapple ripeness classification performance. The proposed model has the potential to be implemented as an automated, fast, and objective fruit-sorting support system.
Sistem Pendukung Keputusan Kelayakan Izin Trayek Travel pada Dinas Perhubungan Kab. Inhil Menggunakan Metode Electre Ari Anggara; Ilyas Ilyas; Muh. Rasyid Ridha
CHAIN: Journal of Computer Technology, Computer Engineering, and Informatics Vol. 4 No. 4 (2026): Volume 4 Number 4 October 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/chain.v4i4.337

Abstract

Pelayanan Izin Trayek travel pada Dinas Perhubungan Kabupaten Indragiri Hilir masih dilakukan secara manual, sehingga menyebabkan penumpukan permohonan, data yang tidak konsisten, dan proses pengambilan keputusan yang lambat serta kurang objektif. Penelitian ini bertujuan merancang sistem pendukung keputusan (SPK) berbasis web untuk menilai kelayakan izin trayek travel menggunakan metode Electre (Elimination and Choice Translating Reality), yang membandingkan alternatif secara berpasangan berdasarkan bobot dan banyak kriteria. Lima kriteria penilaian ditetapkan berdasarkan hasil wawancara dengan petugas dinas, yaitu kelengkapan dokumen, kelayakan teknis kendaraan, jumlah kendaraan, kepatuhan terminal, dan legalitas perusahaan, yang masing-masing dinilai dengan skala Likert 1 sampai 5. Sistem dikembangkan menggunakan bahasa pemrograman PHP, basis data MySQL, serta HTML, CSS, dan JavaScript untuk antarmuka pengguna, dengan tahapan penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data melalui wawancara, observasi, dan studi dokumentasi, pemodelan Electre, serta pengujian sistem menggunakan Black Box Testing. Hasil pengujian Black Box Testing menunjukkan bahwa dari 11 skenario pengujian yang dilakukan terhadap seluruh fitur utama sistem, 11 skenario (100%) dinyatakan valid, yang berarti seluruh fitur sistem berjalan sesuai dengan fungsinya masing-masing tanpa ditemukan kegagalan proses. Penerapan metode Electre pada sistem ini memberikan alternatif solusi yang objektif, cepat, dan transparan bagi Dinas Perhubungan Kabupaten Indragiri Hilir dalam mendukung digitalisasi pelayanan perizinan trayek travel.
The Integrating Business Intelligence and Food Supply Chain Analytics to Support National Nutrition Programs (MBG): Evidence from Rice Production Dashboard in Indonesia Uya Asy Syuura Anandri; Lilis Indawati; Muh. Rasyid Ridha
Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika Vol. 23 No. 2 (2026): Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika
Publisher : Program Studi Ilmu Komputer, Universitas Pakuan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33751/komputasi.v23i2.113

Abstract

This study provides the development and implementation of a food supply chain analytics-based Business Intelligence (BI) dashboard for assisting the Indonesian national nutrition programmes, specifically in the monitoring of rice production. Rice is the number one staple food and a key part of nutrition strategies implemented through mass interventions like the National Nutrition Fulfillment Program, therefore, guaranteeing data-driven decision making all along the rice value chain is crucial. The data for this research are secondary data covering rice production, harvested area, rice productivity 2020 – 2024 processed and visualised with the software Tableau Public. The proposed dashboard is a combination of various analytical views: such as temporal trend analysis (line graph), spatial distribution mapping (geographical visualization), comparative regional performance (bar chart) and proportional productivity assessment (donut chart). These visualisations allows stakeholders to discover production patterns and regional inequalities in an interactive and concise format, and possible supply risks. The findings show the efficiency of the BI dashboard in visualizing large amounts of agricultural data into actionable information, which can be used to guide and shape agriculture strategies and policy formulation. The system successfully identifies the major provincial differences in harvested area as well as the differences in production areas and over time, and is important for adopting food production to meet the operational requirements of the nutrition service unit. This research adds to the extensive research work about the parallel between Business Intelligence and public policies and its applications to data-driven agriculture and food supply chain analytics. The study highlights the opportunities of BI-based dashboards to improve transparency, efficiency and responsiveness in national level food systems to foster nutrition program sustainability and scale. This approach can be further enhanced by incorporating real-time data sources and predictive analytics in future studies to further improve the decision support process.
Co-Authors Abdul Muni Achmad Isya Alfassa Adha R., Fiendra Aditia, Febri Alfiani, Jumriah Amelia Amelia Amisha Desthia Budi Ari Anggara Ari Ardana AYLA ZHAFIRA Ayu Sri Rahinda Bayu Rianto Dimar Tarmizi Disnasari, Rita Dwi Yuli Prasetyo Dwi Yuli Prasetyo Ernisa ervina kartikasari Fanisha Juliananda Fanisha Juliananda Putri Firman Firman Fitri Yunita Fitri Yunita Gita Novi Yanti Habib, Rois Ilyas, Ilyas Indrawan Alsa Indri Mulyana Irwandi Rizki Putra Irwandi Rizki Putra Jamri Juwardi Wafdan kawet mujiono khairul khatimah Kharisma Kurniawan Khathab, Muhammad Kurniawan, Kharisma Lilis Indawati Lukmanul Hakim M. Akbar Riwanto M. Saleh Mahdalina Mahdalina Mhd Rafli Alfarez Muchlis Adnan, Indra Muhammad Muhammad Dede Fitriawan Muhammad Junaidi Muhammad Khathab Muhammad Muhammad Muhammad Rahir, Galing Muhammad Regi Nidzra Kurniawan Muhammad Shaleh muhammad suratman Nazwa Cahya Kamila Novisca Indriani Nurlianti Nurlianti Nurlianti Nurlianti, Nurlianti Nurul Hidayah Rahma Yulia Sifa Ramadani, Syahrul Regina Zulaikha Tizar Rita Disnasari Rosliana Rosliana, Rosliana Rozi, M. Sahrul Samsudin Samsudin Sawitri, Nina Shaleh, Muhammad Siti Wardah Siti Wardah, Siti Sri Rahinda, Ayu Syafrizal Thaher Tarmizi, Dimar Thaher, Syafrizal Usman Usman Usman Usman, Usman Uya Asy Syuura Anandri Wahyuddin Wahyuddin wandi Yuli Prasetyo, Dwi