Article Per Year (5 Year)
p-Index From 2021 - 2026
4.959
P-Index
This Author published in this journals
All Journal Info-Teknik IJISTECH (International Journal Of Information System & Technology) AL-ULUM: JURNAL SAINS DAN TEKNOLOGI Jurnal Pengabdian Al-Ikhlas Technologia: Jurnal Ilmiah Bubungan Tinggi: Jurnal Pengabdian Masyarakat Community Development Journal: Jurnal Pengabdian Masyarakat Brahmana : Jurnal Penerapan Kecerdasan Buatan IJISTECH Lamahu: Jurnal Pengabdian Masyarakat Terintegrasi Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurmas Azam Insan Cendikia Jurnal Sains Sistem Informasi Technologia Journal
Muhammad Rais Wathani
Universitas Islam Kalimantan Muhammad Arsyad Al Banjari Banjarmasin
Agriculture, Biological Sciences & Forestry Humanities Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 36 Documents
Search

 1   2   3   4 
PERANCANGAN E-GUESTBOOK BERBASIS WEB DENGAN MODEL ADAPTIVE SOFTWARE DEVELOPMENT Ihsanul Fikri; Muhammad Rais Wathani; Rusdina Rusdina
Technologia : Jurnal Ilmiah Vol 17 No 3 (2026): Technologia (Juli)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jit.v17i3.24420

Abstract

Pengelolaan buku tamu konvensional saat ini memiliki beberapa kelemahan mendasar, seperti proses pencatatan manual yang memicu antrean, kerentanan kerusakan data fisik, serta sulitnya analisis pola kunjungan dan tingkat kepuasan tamu. Penelitian ini bertujuan untuk merancang dan membangun sistem E-Guestbook berbasis web sebagai solusi efektif untuk meningkatkan efisiensi, keamanan, dan akuntabilitas pengelolaan data tamu. Pengembangan sistem ini menerapkan metodologi Adaptive Software Development (ASD) yang berfokus pada fleksibilitas melalui siklus Speculation, Collaboration, dan Learning. Untuk mengukur potensi penerimaan sistem, dilakukan simulasi pengujian awal (pilot testing) terhadap representasi pengguna (Tamu, Pegawai, dan Admin) menggunakan instrumen skala Likert. Hasil simulasi pengujian awal ini menunjukkan tingkat penerimaan dan kualitas sistem mencapai 91,43% (Kategori Sangat Baik). Hasil tersebut mengonfirmasi bahwa secara fungsionalitas, rancangan E-Guestbook siap untuk mengoptimalkan kualitas layanan administrasi tamu, meningkatkan efisiensi pencatatan, serta menjaga keamanan data sebelum diimplementasikan secara luas pada lingkungan nyata.
EFEKTIVITAS INDEKS DALAM MENINGKATKAN PERFORMA QUERY JOIN DI SISTEM BASIS DATA RELASIONAL Muhammad Rais Wathani; Eka Setya Wijaya; Zaenuddin Zaenuddin; Muhammad Zainal Abidin
Technologia : Jurnal Ilmiah Vol 16 No 2 (2025): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i2.18624

Abstract

Optimasi kinerja query join dalam sistem basis data relasional (RDBMS) sangat penting untuk meningkatkan efisiensi pengolahan data dalam skala besar. Penelitian ini mengevaluasi efektivitas indeks dalam mempercepat eksekusi query join menggunakan dataset Employee Database SQL pada MySQL. Tiga skenario pengujian dilakukan: Single Join, Triple Join, dan Triple Join dengan kondisi filter, masing-masing dieksekusi 10 kali pada sistem dengan spesifikasi CPU Intel Core i5-2467M (1.6 GHz) dan RAM 12 GB. Hasil eksperimen menunjukkan bahwa indeks mempercepat eksekusi Single Join dari 250 ms menjadi 150 ms (40% lebih cepat), Triple Join dari 950 ms menjadi 750 ms (21% lebih cepat), dan Triple Join dengan kondisi dari 1800 ms menjadi 900 ms (50% lebih cepat). Hasil ini menunjukkan bahwa indeks sangat efektif dalam mengurangi waktu eksekusi query, terutama pada skenario dengan filter spesifik. Temuan ini memberikan wawasan bagi pengembang sistem basis data dalam merancang strategi optimasi query berbasis indeks untuk meningkatkan kinerja aplikasi berbasis data.
SISTEM INFORMASI PERDAGANGAN DAERAH DENGAN METODE SIMPLE ADDITIVE WEIGHTING (SAW) UNTUK PRIORITAS PEMANTAUAN KOMODITAS Muhammad Rais Wathani; Zaenuddin; Muhammad Fadilah
Jurnal Sains Sistem Informasi Vol 4 No 3 (2026): JSSI (September)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v4i3.25033

Abstract

Dinas Perdagangan Provinsi Kalimantan Selatan memerlukan pengelolaan data perdagangan yang terintegrasi untuk mendukung pemantauan harga dan ketersediaan komoditas. Penelitian ini bertujuan membangun sistem informasi perdagangan daerah sekaligus membantu menentukan prioritas pemantauan komoditas. Sistem dikembangkan menggunakan model Waterfall dan menerapkan metode Simple Additive Weighting berdasarkan empat kriteria, yaitu harga terkini, persentase kenaikan harga, ketersediaan stok, dan jumlah lokasi perdagangan terdampak. Penilaian dilakukan melalui normalisasi, pembobotan, dan perhitungan nilai preferensi untuk menghasilkan peringkat komoditas. Hasil penelitian menunjukkan bahwa sistem dapat mengintegrasikan data komoditas, lokasi perdagangan, survei harga dan stok, verifikasi, pengaduan masyarakat, analisis prioritas, serta laporan. Penerapan Simple Additive Weighting menghasilkan urutan prioritas yang dapat digunakan sebagai informasi pendukung dalam menentukan komoditas yang memerlukan pemantauan lebih intensif.
Evaluation of Deep Learning for Source Code Vulnerability Detection Based on Vulnerability Detection Score Muhammad Amin; Muhammad Rais Wathani; Annisa Fathia Aziza
Technologia Journal Vol. 3 No. 3 (2026): Technologia Journal-August
Publisher : Pt. Anagata Sembagi Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62872/xcnyy434

Abstract

Source code vulnerabilities pose a serious threat to software development, with reported Common Vulnerabilities and Exposures exceeding 25,000 entries per year, making manual inspection unscalable. This study aims to evaluate and compare four deep learning architectures for automated source code vulnerability detection: Convolutional Neural Network, Bidirectional Long Short-Term Memory, CodeBERT, and GraphCodeBERT, and to measure CodeBERT's ability to classify eight types of Common Weakness Enumeration. The research method uses a quantitative experimental approach with 43,164 C and C++ functions derived from the combined BigVul and CVEfixes datasets. The data were processed through comment cleaning, MD5 hash-based deduplication to prevent data leakage, and class balancing with a one-to-three ratio. The datasets were then divided into training, validation, and test datasets. In addition to conventional metrics such as accuracy, precision, recall, F1-score, and AUC-ROC, this study applies a Vulnerability Detection Score, which measures the proportion of missed vulnerabilities at a false positive rate below zero point five percent. The results showed that CodeBERT achieved the best performance with an F1-score of 0.702, an AUC-ROC of 0.896, and a Vulnerability Detection Score of 0.857, outperforming the baseline model, which only achieved an F1-score of around 0.64. However, all models recorded high Vulnerability Detection Scores in the range of 0.857 to 0.906, meaning that approximately 86 percent of vulnerabilities were still missed under realistic operating conditions. The eight-class Common Weakness Enumeration classification only achieved a macro-F1 of 0.28. This study concluded that conventional metrics tend to overestimate the model's readiness for real-world deployment.
Implementasi Load balancing Per Connection Classifier Untuk Menjaga Kualitas Throughput, Delay, Serta Packet Loss Pada Jaringan WLAN Menggunakan Mikrotik Muhammad Rais Wathani; Eka Setya Wijaya
Technologia : Jurnal Ilmiah Vol 15 No 2 (2024): Technologia (April)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v15i2.14284

Abstract

Jaringan internet WLAN sudah menjadi kebutuhan mendasar untuk menunjang berbagai keperluan para pengguna layanan internet. Tidak sedikit institusi atau organisasi yang menyediakan koneksi internet bagi penggunanya lebih dari satu sumber internet. Namun biasanya sumber internet tersebut belum terintegrasi satu sama lain dan memiliki tingkat delay yang tidak stabil, hal ini tentu akan mengganggu koneksi serta menghambat aktivitas user dalam akses internet. Untuk menangani masalah tersebut maka pada penelitian ini diterapkan metode load balancing per connections classifier yang mengintegrasikan 2 sumber ISP untuk mengurangi terjadinya penurunan performa jaringan. Load balancing per connection classifier akan di uji coba pada 3 skenario yaitu pengujian terhadap aktifitas unduh file Google Drive, video streaming Youtube, dan video conference di Google Meet, hasil dari penelitian ini terlihat bahwa load balancing per connection classifier dapat mengintegrasikan 2 sumber ISP dengan baik dan menjaga kestabilan performa jaringan pada 3 variabel yaitu throughput, delay, dan packet loss pada jaringan internet WLAN. Pada penerapan load balancing per connetction classifier pada penelitian ini terbukti mampu meningkatkan dan menstabilkan performa jaringan pada 3 skenario yang di uji dibuktikan dengan adanya peningkatan throughput sekitar 26,250 Mbps dan juga menjaga nilai de-lay diantara 0,0799 ms sampai dengan 0,1265 ms pada skenario download file google drive.                              Kata Kunci: Load balancing, per connection classifier, throughput, delay, packet loss, wireshark.
KLASIFIKASI MASA STUDI MAHASISWA DENGAN PENDEKATAN NEURAL NETWORK BACKPROPAGATION BERDASARKAN JALUR MASUK Muhammad Rais Wathani; Eka Setya Wijaya; Mochamad Fajar Al-Amin; Zaenuddin Zaenuddin
Technologia : Jurnal Ilmiah Vol 16 No 1 (2025): Technologia (Januari)
Publisher : Fakultas Teknologi Informasi, Universitas Islam Kalimantan Muhammad Arsyad Al Banjari, di bawah koordinasi UPT Publikasi dan Pengelolaan Jurnal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17051

Abstract

Pada perguruan tinggi, data mengenai mahasiswa dan tingkat kelulusan mereka dapat menjadi sumber informasi yang berharga jika dianalisis lebih mendalam. Melalui analisis data mahasiswa, seperti statistik kelulusan tahunan, profil akademik, prestasi, serta durasi studi, universitas dapat memperoleh wawasan yang signifikan. Pengolahan data yang melimpah ini memungkinkan pengungkapan informasi tersembunyi yang berdampak besar bagi pengembangan institusi.Penelitian ini mengkaji klasifikasi masa studi mahasiswa dengan menggunakan model Neural Network Backpropagation yang memberikan hasil terbaik dengan akurasi data latih sebesar 74,15% dan akurasi data uji sebesar 71,72%. Model ini juga menghasilkan nilai presisi sebesar 0,7422, dengan nilai recall 0,7422 dan F-Measure 0,7422. Berdasarkan hasil analisis, sebaran masa studi mahasiswa periode 2011-2022 menunjukkan, pada Jalur Masuk A, 74 mahasiswa menyelesaikan studi dalam waktu cepat, 978 dalam waktu normal, 445 terlambat, dan 69 sangat terlambat. Pada jalur masuk B, tercatat 29 mahasiswa menyelesaikan studi dengan cepat, 433 normal, 146 terlambat, dan 60 sangat terlambat. Terakhir, pada jalur masuk C, sebanyak 34 mahasiswa lulus dengan cepat, 448 normal, 294 terlambat, dan 151 sangat terlambat
Co-Authors Abdurrahman Abul Hasan Asy’ari Ahmadi Ahmadi Al-Amin, Mochamad Fajar Andie Annisa Fathia Aziza Aulia Rizky Muhammad Hendrik Noor Asegaff Budi Ramadhani Dian Agustini Dicky Putra Mahendra, Muhammad Dwi Agung Wibowo Dwi Retnosari Eka Setya Wijaya Fauzi Yusa Rahman Fauziannor Fauziannor Fikri, Muhammad Rizal Firdaus Firdaus Fitrah Yuridka Galih Mahalisa Gita Ayu Syafarina Haji Sirajuddin Hardika Muhammad Fatih Hasdi Suryadi Hijriana, Nadya Ihsanul Fikri Imawati Yousida Indu Indah Purnomo Jauhari Maulani Kholik Setiawan Kurniawan, Mirza Yogy Maulida, Mutia Mirza Yogy Kurniawan Mirza Yogy Kurniawan Mochamad Fajar Al-Amin Mokhamad Ramdhani Raharjo Muhammad Amin Muhammad Edya Rosadi Muhammad Fadilah Muhammad Hasbi MUHAMMAD HASBI Muhammad Nur Muhammad Rizal Fikri Muhammad Zainal Abidin Muhammad Zainal Abidin Muthia Farida Mutia Maulida Nadiya Hijriana Noor Asegaff, Aulia Rizky M. Hendrik Nur Hidayati Pharisy, Alif Rusdina Wijaya, Eka Setya Yudi Rahman Zaenuddin Zaenuddin Zaenuddin, Zaenuddin