Article Per Year (5 Year)
p-Index From 2021 - 2026
1.556
P-Index
This Author published in this journals
All Journal G-Tech : Jurnal Teknologi Terapan Jurnal Riset Sistem Informasi dan Teknologi Informasi (JURSISTEKNI) Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Pengabdian Masyarakat Bhinneka Indonesian Journal of Community Empowerment
Muhammad Ikhsan Thohir
Universitas Nusa Putra
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Public Health

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Computer Science and Information Technology (CoSciTech)

 1 
Implementasi Deteksi Langsung Pada Sistem Ujian Online Menggunakan Algoritma Convolutional Neural Network Putri Iskandar, Alyanissa; Muhammad Ikhsan Thohir; Ivana Lucia Kharisma; Kamdan; Anggun Fergina
Computer Science and Information Technology Vol 5 No 2 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i2.7270

Abstract

Pendidikan adalah fondasi penting dalam pembentukan potensi manusia, dan pergeseran ke arah ujian online menandai transformasi besar dalam cara kita menilai dan mengukur pencapaian akademik. Dengan kemajuan teknologi, penggunaan sistem proctoring dengan teknologi pengenal wajah merupakan langkah progresif untuk menjaga integritas ujian. Namun, peralihan ke ujian online juga membawa tantangan tersendiri, karena kecurangan, identitas ganda, dan kurangnya pengawasan dapat mengurangi kepercayaan terhadap hasil ujian. Oleh karena itu, pengembangan sistem pengawasan yang handal dan efektif sangat penting untuk menjaga standar akademik. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem pengawasan ujian online yang memanfaatkan teknologi pengenalan wajah. Proctoring ujian secara daring diperlukan untuk memastikan validitas dan keamanan ujian. Sistem yang diusulkan mengimplementasikan algoritma pendeteksi pergerakan peserta selama ujian berlangsung yang diperkuat dengan algoritma Convolutional Neural Network (CNN) untuk memonitoring perilaku selama ujian berlangsung, dan mendeteksi tindakan yang mencurigakan. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan integritas ujian online, mendorong adopsi teknologi proctoring, dan memberikan solusi yang efektif bagi institusi pendidikan yang menghadapi tantangan terkait keamanan ujian online. Dimana sistem dibangun dengan menggunakan bahasa python dan framework Laravel untuk bahasa pemrograman dan MySQL untuk DBMS-nya.
Implementasi logika fuzzy mamdani dan simple additive weighting (saw) pada sistem pakar berbasis web untuk deteksi dini gangguan neurologis Harits, Muhammad Harits Firdaus; Thohir, Muhammad Ikhsan; Sujjada, Alun
Computer Science and Information Technology Vol 6 No 3 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i3.10130

Abstract

Neurological disorders such as low back pain, vertigo, ischemic stroke, epilepsy, and peripheral neuropathy affect the central and peripheral nervous systems and have the potential to reduce quality of life and be fatal if not detected early. In Indonesia, the high prevalence is not balanced with access to early diagnosis due to limited medical personnel, costs, and waiting times. This study developed a web-based expert system for early detection of five neurological disorders using the Mamdani Fuzzy Method for inference and Simple Additive Weighting (SAW) for symptom ranking. The diagnosis process includes fuzzification, rule evaluation, aggregation, centroid defuzzification, and SAW calculation. The system was tested through black box testing and accuracy evaluation using MAE, RMSE, and F1 Score. The results showed an MAE value of 2.8%, RMSE 2.83%, and F1 Score 0.75, which proves the system is accurate, consistent with manual calculations, and easy to use. With a user-friendly interface, this system has the potential to be a pre-diagnosis tool that increases public awareness and supports medical personnel in decision-making.
Co-Authors adang badru jaman,anggun fergina, adang badru jaman,anggun fergina Adhitia Erfina Alun Sujjada falentino sembiring Harits, Muhammad Harits Firdaus Hermanto Ian Mulyana IVANA LUCIA KHARISMA Kamdan Lusiana Sani Parwati Pamungkas, Treza Lugina Putri Iskandar, Alyanissa Putri, Ditia Mutiara Reni Andian Salman Alhidamkara sendi indra Zaenal Alamsyah