Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal ILKOM Jurnal Ilmiah Jurnal Sistem Komputer & Kecerdasan Buatan Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Jurnal Fokus Elektroda (Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali)
Andani Achmad
Universitas Hasanuddin
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Augmented Reality 3D untuk Pengenalan Organ Tubuh Manusia Andani Achmad; Zahir Zainuddin; Muhammad Fadhil Husain
ILKOM Jurnal Ilmiah Vol 12, No 3 (2020)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v12i3.680.233-240

Abstract

Marker Augmented Reality 3D pada Aplikasi Pengenalan Organ Tubuh Manusia adalah untuk membuat model belajar menggunakan teknologi Augmented Reality guna menyampaikan informasi tentang Pengenalan Organ Tubuh Manusia yang lebih interaktif dan inovatif dengan Teknologi Augmented Reality ke dalam satu aplikasi Android. Dalam mendukung penelitian ini digunakan Aplikasi Blender untuk pembuatan 3D Modelling dan aplikasi unity untuk pembuatan sistem yang di dukung dengan Bahasa Pemrograman C#, Vuforia SDK dalam implementasi Augmented Reality.  Hasil pengujian deteksi 3D marker oleh kamera dapat di simpulkan bahwa tiap objek 3D memiliki jarak deteksi yang berbeda-beda. Hasil pengujian Virtual reality menunjukkan bahwa semua fungsi yang di ujikan dapat berjalan sesuai keinginan.
Klasifikasi Penyakit Pernapasan berbasis Visualisasi Suara menggunakan Metode Support Vector Machine Andani Achmad; Adnan Adnan; Muhammad Rijal
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 6 No. 1 (2022): Volume VI - Nomor 1 - September 2022
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v6i1.330

Abstract

Abstract—Suara merupakan parameter yang sangat penting dalam sistem kesehatan pernapasan. Proses klasifikasi pernapasan dipengaruhi oleh dukungan tubuh dalam mendapatkan oksigen yang menghasilkan keadaan normal dan abnormal. Keadaan abnormal yang dimaksud adalah penyakit asma, bronkitis dan tuberkolosis. Tujuan panelitian ini yaitu mengusulkan Support Vector Machine untuk melakukan klasifikasi penyakit asma, bronkitis dan tuberkolosis. Pemilihan metode Support Vector Machine berdasarkan keunggulan dalam proses generalisasi dengan meminimalkan terjadinya salah prediksi dan estimasi parameter agar ditemukan hyperplane yang terbaik untuk memisahkan kelas. Hasil pengujian mengemukakan bahwa metode Support Vector Machine berhasil diterapkan dalam mengklasifikasi penyakit asma, bronkitis dan tuberkolosis dengan akurasi sebesar 46.37%. Keywords—Klasifikasi, Penyakit Pernafasan, Visualisasi Suara, MFCC, Support Vector Machine.
Deepfake Detection in Videos Using Long Short-Term Memory and CNN ResNext Muhammad Indra Abidin; Ingrid Nurtanio; Andani Achmad
ILKOM Jurnal Ilmiah Vol 14, No 3 (2022)
Publisher : Prodi Teknik Informatika FIK Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/ilkom.v14i3.1254.178-185

Abstract

Deep-fake in videos is a video synthesis technique by changing the people’s face in the video with others’ face. Deep-fake technology in videos has been used to manipulate information, therefore it is necessary to detect deep-fakes in videos. This paper aimed to detect deep-fakes in videos using the ResNext Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) algorithms. The video data was divided into 4 types, namely video with 10 frames, 20 frames, 40 frames and 60 frames. Furthermore, face detection was used to crop the image to 100 x 100 pixels and then the pictures were processed using ResNext CNN and LSTM. The confusion matrix was employed to measure the performance of the ResNext CNN-LSTM algorithm. The indicators used were accuracy, precision, and recall. The results of data classification showed that the highest accuracy value was 90% for data with 40 and 60 frames. While data with 10 frames had the lowest accuracy with 52% only. ResNext CNN-LSTM was able to detect deep-fakes in videos well even though the size of the image was small.
Sistem Monitoring Penggunaan Daya Listrik dengan Power Meter Acuvim II Berbasis Website (Studi Kasus PT. Pelabuhan Indonesia (Persero) Regional 4 Makassar New Port) Samuel Panggalo; Andani Achmad; Amirul Mu’minin Parenrengi
Jurnal Fokus Elektroda : Energi Listrik, Telekomunikasi, Komputer, Elektronika dan Kendali) Vol. 8 No. 2 (2023): Jurnal Fokus Elektroda Vol 8 No 2 2023
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Halu Oleo

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

Abstract

Dalam beberapa tahun belakangan ini proses monitoring di PT. Pelabuhan Indonesia (Persero) Regional 4 Makassar New Port menggunakan metode manual yaitu datang ke power house untuk melakukan pencatatan penggunaan daya listrik untuk setiap harinya. Hal ini membuat proses monitoring kurang efisiensi dalam hal waktu maupun tenaga. Oleh karena itu, pada penelitian ini dikembangkan sistem monitoring penggunaan daya listrik pada power meter berbasis website dengan tujuan untuk mempermudah monitoring penggunaan daya listrik. Proses pemantauan dapat dilakukan secara langsung meskipun dari jarak jauh menggunakan website. Penelitian ini menggunakan Power Meter ACUVIM II sebagai alat ukur daya listrik dan juga modul RS485 untuk serial komunikasinya. Hasil pengujian kinerja sistem ini menunjukkan pada pengujian delay mendapatkan rata-rata 0.671328 ms, nilai ini termasuk dalam kategori best dan berindeks 4 dalam standar tiphon. Kemudian pada pengujian jitter mendapatkan rata-rata bernilai 0.049501 ms, nilai ini termasuk dalam kategori good dan berindeks 3 dalam standar tiphon. Adapun untuk rata-rata packet loss yang hilang bernilai 0%, dari hasil tersebut termasuk dalam kategori perfect dan berindeks 4 dalam standar tiphon. Dengan penerapan sistem ini, pengguna dapat dengan mudah memantau di mana saja dan kapan saja sehingga rencana konsumsi daya listrik yang efisien dan efektif dapat lebih dioptimalkan.      
Pengembangan Aplikasi Dashboard Data Borang Akreditasi Program Studi Pada UIN Alauddin Makassar Zahir Zainuddin; Andani Achmad; Asep Indra Syahyadi
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 7 No 1 (2024): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v7i1.191

Abstract

Penelitian ini bertujuan untuk merancang aplikasi dashboard borang akreditasi program studi di UIN Alauddin Makassar. Aplikasi ini dirancang untuk mempermudah proses pengumpulan data dan dokumen akreditasi sesuai kebutuhan asesor. Menggunakan framework Laravel, aplikasi berbasis web ini memberikan akses online kepada setiap program studi. Model input yang dinamis memungkinkan pencapaian kriteria borang akreditasi secara lebih efisien. Tujuan utama aplikasi ini adalah meningkatkan transparansi, efisiensi, dan akurasi dalam proses akreditasi, memungkinkan pemangku kepentingan untuk dengan mudah mengakses dan meninjau dokumen akreditasi. Implikasi jangka panjangnya termasuk peningkatan kualitas pendidikan tinggi di UIN Alauddin Makassar melalui pemantauan dan evaluasi yang lebih baik terhadap program studi. Pemahaman yang lebih mendalam tentang kebutuhan dan tantangan dalam akreditasi program studi akan menjadi landasan penting dalam pengembangan aplikasi ini
Co-Authors Adnan Adnan Amirul Mu’minin Parenrengi Asep Indra Syahyadi Ingrid Nurtanio Muhammad Fadhil Husain Muhammad Indra Abidin Muhammad Rijal Samuel Panggalo Zahir Zainuddin Zahir Zainuddin