Claim Missing Document
Check
Articles

Perancangan Sistem Informasi Data Kependudukan Desa Kaduaja Kecamatan Gandangbatu Sillanan Berbasis Web Syahril Ramadan; Dolly Indra; Huzain Azis
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 5, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i2.1920

Abstract

Sistem informasi kependudukan merupakan salah satu faktor utama dalam pemerintahan dan pembangunan kependudukan yang diarahakan pada pemenuhan hak dari setiap warga negara dibidang pelayanan data kependudukan. Desa Kaduaja salah satu bagian dari Desa di Kecamatan Gandangbatu Sillanan Kabupaten Tana Toraja, pengelolaan data pada Kantor Desa Kaduaja dilakukan secara manual mengakibatkan dokumen-dokumen tersebut disusun dengan tidak teratur dan tersimpan pada arsip yang terpisah sehingga pihak pemerintah Desa Kaduaja, untuk menyelesaikan permasalahan tersebut dibangunlah sebuah sistem informasi data kependudukan. penelitian ini menghasikan sistem informasi data kependudukan Desa Kaduaja Kecamatan Gandangbatu sillanan berbasis web yang dapat mempermudah pemerintah desa mengolah data kependudukan. metode yang digunakan dalam perancangan aplikasi yaitu metode waterfall yaitu model dimana tiap tahapannya dikerjakan secara berurutan dari atas ke bawah. Pengujian yang dilakukan berdasarkan blackbox testing mendapatkan nilai penggunaan secara keseluruhan dalam tampilan interface maupun fungsionalitas aplikasi yaitu 85% dari 24 responden.
Penerapan Metode Profile Matching Pada Sistem Pendukung Keputusan Penentuan Jenjang Pendidikan Tingkat Menengah Atas Berbasis Website Juraiz Hi. Talib; St. Hajrah Mansyur; Dolly Indra
Buletin Sistem Informasi dan Teknologi Islam (BUSITI) Vol 5, No 2 (2024)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/busiti.v5i2.1977

Abstract

Penerimaan siswa baru adalah suatu hal yang perlu ditentukan secara cepat dan tepat. Dalam hal penentuan calon siswa baru di perlukan beberapa pertimbangan yang cukup banyak dan rumit yaitu standarisasi nilai, persyaratan masuk serta kebijakan-kebijakan dari pemerintah dan lembaga pendidikan yang sering berubah setiap tahunnya. Selama ini pemilihan sekolah yang dilakukan oleh siswa SMP Negeri 42 Halmahera Selatan tetap di lakukan secara subjektif tanpa ada penyeleksian artinya penilaian tentang kemampuan siswa hanya dari pengamatan saja tanpa adanya parameter dan siswa yang memilih sekolah untuk melanjutkan pendidikan tingakat menengah atas tidak mendapatkan hasil yang maksimal karena tidak sesuai dengan kemampuan yang di miliki. Penelitian ini bertujuan untuk menentukan jenjang pendidikan tingkat menengah atas yang akan menjadi rekomendasi pada siswa kelas IX SMP Negeri 42 Halmahera Selatan berbasis website. Metode yang digunakan adalah Profile Matching yang merupakan metode dalam keputusan pendukung sistem (SPK) karena perhitungan yang dilakukan dengan pembobotan dan perhitungan gap. Berdasarkan hasil penelitian yang telah dilakukan pada SMP Negeri 42 Halmahera selatan dengan menerapkan metode profile matching maka dari 15 data jenjeng pendidikan tingkat menengah atas diperoleh, pertama madrasah Aliyah ulul albab dengan nilai 4,7 lalu SMA Negeri 5 kota ternate dengan Nilai 4,64 dan SMK Bina infomartika Kota Ternate dengan nilai 4,58 yang menjadi rekomendasi untuk siswa kelas IX SMP Negeri 42 Halmahera Selatan. Adapun hasil dari pengujian dari aplikasi menggunakan Blackbox Testing berdasarkan rencana pengujian maka diperoleh kesimpulan diterima.
Optimizing YOLO-Based Algorithms for Real-Time BISINDO Alphabet Detection Under Varied Lighting and Background Conditions in Computer Vision Systems Lilis Nur Hayati; Anik Nur Handayani; Wahyu Sakti Gunawan Irianto; Rosa Andrie Asmara; Dolly Indra; Nor Salwa Damanhuri
International Journal of Engineering, Science and Information Technology Vol 5, No 3 (2025)
Publisher : Malikussaleh University, Aceh, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52088/ijesty.v5i3.948

Abstract

This research explores the optimization of YOLO-based computer vision algorithms for real-time recognition of Indonesian Sign Language (BISINDO) letters under diverse environmental conditions. Motivated by the communication barriers faced by the deaf and hearing communities due to limited sign language literacy, the study aims to enhance inclusivity through advanced visual detection technologies. By implementing the YOLOv5s model, the system is trained to detect and classify correct and incorrect BISINDO hand signs across 52 classes (26 correct and 26 incorrect letters), utilizing a dataset of 3,900 images augmented to 10,920 samples. Performance evaluation employs k-fold cross-validation (k=10) and confusion matrix analysis across varied lighting and background scenarios, both indoor and outdoor. The model achieves a high average precision of 0.9901 and recall of 0.9999, with robust results in indoor settings and slight degradation observed under certain outdoor conditions. These findings demonstrate the potential of YOLOv5 in facilitating real-time, accurate sign language recognition, contributing toward more accessible human-computer interaction systems for the deaf community.
Klasifikasi Kematangan Stroberi dengan Menggunakan Metode Convolutional Neural Network VGG-16 Muh. Fanggi Fauzan; Dolly Indra; Abdul Rachman Manga
LINIER: Literatur Informatika dan Komputer Vol 3, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i3.3876

Abstract

Stroberi merupakan komoditas hortikultura dengan nilai ekonomis tinggi, namun penentuan tingkat kematangannya di tingkat petani masih banyak dilakukan secara manual berdasarkan pengamatan visual, sehingga rawan kesalahan klasifikasi dan memerlukan waktu yang tidak sedikit, terutama karena batas warna antara kategori mentah, setengah matang, dan matang kerap tumpang tindih. Penelitian ini bertujuan membangun dan mengevaluasi model klasifikasi tingkat kematangan buah stroberi ke dalam tiga kelas menggunakan arsitektur Convolutional Neural Network (CNN) VGG-16 dengan pendekatan transfer learning. Dataset yang digunakan berjumlah 1.087 citra digital yang dihimpun dari dua sumber terbuka pada platform Kaggle, kemudian melalui tahap praproses berupa resizing 224×224 piksel dan normalisasi, serta augmentasi data, sebelum dibagi menjadi 80% data latih dan 20% data uji. Model dilatih menggunakan bobot awal ImageNet pada platform Google Colaboratory dengan bahasa pemrograman Python. Kinerja model diukur melalui metrik akurasi, presisi, recall, dan F1-score berdasarkan confusion matrix pada data uji. Penelitian ini diarahkan untuk menguji dua hipotesis, yaitu kemampuan arsitektur VGG-16 dalam membangun sistem klasifikasi tiga kelas kematangan stroberi, serta pencapaian kinerja model dengan nilai akurasi minimal 80%. Hasil yang diharapkan dari penelitian ini adalah tersedianya model klasifikasi yang akurat dan efisien, sehingga dapat menjadi alternatif solusi bagi proses sortasi stroberi otomatis serta mendukung efisiensi pascapanen dan konsistensi mutu buah
Perancangan Dan Implementasi Lengan Robot Berbasis Android Menggunakan Mikrokontroler Arduino La Ode Muhammad Rezky Syiam Wahid; Dolly Indra; Lutfi Budi Ilmawan
LINIER: Literatur Informatika dan Komputer Vol 3, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i3.3866

Abstract

Perkembangan teknologi robotika berbasis mikrokontroler telah memberikan kontribusi yang signifikan dalam peningkatan efisiensi serta fleksibilitas sistem kendali otomatis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan lengan robot 4 DOF berbasis Android dengan menggunakan mikrokontroler Arduino Mega 2560. Sistem yang dikembangkan memanfaatkan perangkat smartphone Android sebagai media pengendali yang terhubung secara nirkabel melalui modul Bluetooth HC-05 Bluetooth Module. Perintah yang dikirimkan melalui aplikasi Android kemudian diproses oleh Arduino Mega 2560 untuk menghasilkan sinyal Pulse Width Modulation (PWM) yang digunakan dalam mengatur pergerakan motor servo pada setiap sendi lengan robot. Sistem ini juga didukung oleh modul step-down LM2596 Buck Converter Module yang berfungsi untuk menstabilkan tegangan dari sumber baterai agar sesuai dengan kebutuhan komponen elektronik. Metode penelitian yang digunakan meliputi studi literatur, perancangan sistem, implementasi, serta pengujian sistem. Hasil penelitian menunjukkan bahwa sistem yang dirancang mampu mengendalikan pergerakan lengan robot secara real-time dengan respons yang stabil dan presisi, sehingga sistem ini berpotensi dimanfaatkan sebagai media pembelajaran serta pengembangan teknologi otomasi berbasis mikrokontroler
Analisis Sentimen Ulasan Aplikasi Ruangguru Menggunakan Indobert dan Explainable AI (SHAP) Uuntuk Evaluasi Kepuasan Pengguna Muhammad Aswar Firmansyah; Dolly Indra; Abdul Rachman Manga
LINIER: Literatur Informatika dan Komputer Vol 3, No 3 (2026)
Publisher : Universitas Muslim Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33096/linier.v3i3.3878

Abstract

Ulasan pengguna pada Google Play Store merupakan salah satu sumber informasi yang dapat digunakan untuk mengevaluasi tingkat kepuasan pengguna terhadap aplikasi Ruangguru. Banyaknya ulasan dalam bentuk teks tidak terstruktur menyebabkan proses analisis secara manual menjadi kurang efektif, sehingga diperlukan metode analisis sentimen yang mampu mengklasifikasikan opini pengguna sekaligus menjelaskan faktor yang memengaruhi hasil klasifikasi. Penelitian ini bertujuan menganalisis sentimen ulasan aplikasi Ruangguru menggunakan IndoBERT dan menjelaskan hasil prediksi model menggunakan Explainable Artificial Intelligence (XAI) dengan metode SHAP (SHapley Additive exPlanations). Sebanyak 10.000 ulasan dikumpulkan dari Google Play Store menggunakan Google Play Scraper, kemudian melalui tahap preprocessing sehingga diperoleh 8.380 ulasan yang memenuhi kriteria. Dataset tersebut terdiri atas 6.610 ulasan positif (78,88%), 1.366 ulasan negatif (16,30%), dan 404 ulasan netral (4,82%). Ketidakseimbangan kelas ditangani menggunakan Weighted Cross-Entropy Loss pada proses fine-tuning IndoBERT. Dataset selanjutnya dibagi menjadi 6.704 data pelatihan, 838 data validasi, dan 838 data pengujian. Model menghasilkan akurasi sebesar 88,42%, dengan Macro Precision 64,72%, Macro Recall 66,23%, dan Macro F1-score 65,44%. Kinerja terbaik diperoleh pada kelas positif dengan F1-score 95,35%, diikuti kelas negatif sebesar 74,47% dan kelas netral sebesar 26,51%. Interpretasi menggunakan SHAP menunjukkan kontribusi kata atau token yang mendorong model dalam menentukan sentimen positif, netral, maupun negatif. Pada data pengujian, model memprediksi 650 ulasan (77,57%) sebagai positif, 145 ulasan (17,30%) sebagai negatif, dan 43 ulasan (5,13%) sebagai netral, yang menunjukkan bahwa ulasan pengguna secara umum didominasi oleh pengalaman positif terhadap aplikasi Ruangguru. Dengan demikian, kombinasi IndoBERT, Weighted Cross-Entropy Loss, dan SHAP dapat digunakan untuk mengklasifikasikan sentimen sekaligus memberikan interpretasi yang lebih transparan sebagai dasar evaluasi kepuasan pengguna aplikasi Ruangguru
Leakage-Aware BISINDO Alphabet Classification with Hand-Region DINOv2 Embeddings Lilis Nur Hayati; Dolly Indra
Indonesian Journal of Data and Science Vol. 7 No. 2 (2026): Indonesian Journal of Data and Science
Publisher : Yocto Brain

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56705/ijodas.v7i2.528

Abstract

Introduction: Visual similarity across images can bias the evaluation of Indonesian Sign Language (BISINDO) alphabet classifiers. This study assessed frozen DINOv2 embeddings and illumination correction using a group-disjoint evaluation protocol. Method: The dataset comprised 19,748 annotated gesture regions from 19,746 images across 26 classes. Full-frame visual-similarity groups were assigned to training, validation, and test partitions containing 14,107, 2,821, and 2,820 instances, respectively. Frozen DINOv2-small embeddings with class-balanced multinomial logistic regression were evaluated under raw, fixed-gamma, and adaptive-gamma conditions against a grayscale reference using principal component analysis and logistic regression. Configuration selection used validation macro-F1, while uncertainty was estimated using 2,000 group-bootstrap resamples. Results and Discussion: The validation-selected raw configuration achieved test accuracy of 90.28% and macro-F1 of 0.8982 (95% CI, 0.8832–0.9130), compared with macro-F1 of 0.4383 for the grayscale reference. Adaptive gamma achieved macro-F1 of 0.9038, but its advantage over raw inputs was small and uncertain (difference, 0.0056; 95% paired CI, −0.0048 to 0.0152). Exploratory brightness tests indicated condition-specific responses to synthetic illumination changes. Conclusion: Frozen DINOv2 embeddings supported static BISINDO gesture-region classification within an auditable evaluation framework. Adaptive gamma did not demonstrate a consistent improvement, and the findings remain limited to annotation-defined regions under the documented grouping protocol.
Co-Authors Abdul Rauf Tuasikal Achmad Novanto Agung, Riski Dewa Ahmad Toni, Ahmad Aldri Frinaldi AMALIA PUTRI UTAMI Amir, Nur Hikmah Andi Apryan Mallarangen andi Widya Mufila Gafar Anik Nur Handayani Ardhiansya Yusuf Arfan Zainuddin Armind Mauldi Kurniawan As'ad, Ihwana Asdar Djamereng Damanhuri, Nor Salwa Daris, Mega Asfirawati Dewi Ernita Rahma Erick Irawadi Alwi, Erick Irawadi Fadly Achmad Farniwati Fattah Fauzy Fathrurahman Fery Setyo Aji Firman Shantya Budi, Firman Shantya Fitriyani Umar Hadyan Mardhi Fadlillah Harlinda Lahuddin Hayudin Hasnanda Maila Herdianti Herman Herman Hidayat, Muh Wahyu Ihwana As’ad Irawati Irawati Irawati Irawati Irja, Mulianty Cipta jabir, sitti rahmah Jufriadif Na`am, Jufriadif Juita Mandasari Julius Santony Juraiz Hi. Talib Kasman Kasman L, Harlinda La Ode Muhammad Rezky Syiam Wahid Lilis Nur Hayati Lilis Nur Hayati lilis nurhayati Lisna Ariani Lukman Syafie Lutfi Budi Ilmawan, Lutfi Budi Manga, Abdul Rachman Mardiyyah Hasnawi Muh Fadlan Risqullah Dwitama N Muh Yeyen Dwi Suherman Muh. Fachrisyam Muh. Fanggi Fauzan Muh. Ridwan Rahim Muhammad Al Mubarak Muhammad Arfah Asis Muhammad Asrai Taufik Muhammad Aswar Firmansyah Muhammad Farhan Hermansyah Muhammad Haerdiansyah Syahnur Muhammad Rifky Saputra Scania Mukarramah, Rifqatul Musdalifah Musdalifah Mustika, Mustika Octavia Nor Salwa Damanhuri Nor Salwa Damanhuri Nurhalima Nurhalima Purnawansyah Purnawansyah Putri Nur Rezky Rahmayani, Nurul Ramdan Satra Ramdaniah Ramdaniah Rezky Anugrah Rosa Andrie Asmara Salsa, Salsabila Aurelia Satma, Satma St. Hajrah Mansyur Subhan Ardhiman Sugiarti, Sugiarti Sukur, Widianti Syahnur, Muh. Haerdiansyah Syahril Ramadan Syahrul Mubarak Abdullah Tanaka Kazuaki Tasmil Tasmil Tasrif Hasanuddin Tasrif Hasanuddin Tenri Sa'nah Umar Mansyur Umar, Fitriyani Veithzal Rivai Zainal Wahyu Kadri Rahmat Suat Wahyu Sakti Gunawan Irianto Wistiani Astuti Yuhandri Yuhandri, Yuhandri Yundari, Yundari Zahra, Andi Fathimatuz Zahra