Claim Missing Document
Check
Articles

Found 12 Documents
Search

APLIKASI PENILAIAN KELAYAKAN FINANSIAL USAHA DENGAN METODE ANALISIS KELAYAKAN Asa Hari Wibowo; Natalis Ransi; Yuwanda Purnamasari
semanTIK Vol 2, No 2 (2016): semanTIK
Publisher : Informatics Engineering Department of Halu Oleo University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (571.421 KB) | DOI: 10.55679/semantik.v2i2.1661

Abstract

Proses penilaian finansial usaha calon kreditur di bank dengan menggunakan cash flow (arus kas) masih dinilai secara manual oleh analis kredit bank sehingga minim terjadinya kesalahan dan hasil yang tidak objektif. Penelitian ini bertujuan untuk membangun aplikasi penilaian kelayakan finansial usaha dengan metode analisis kelayakan dan mengetahui kelayakan finansial suatu usaha. Metode yang digunakan pada aplikasi ini adalah metode analisis kelayakan dengan dua kriteria yaitu Usaha Jangka Pendek dengan indikator R/C Ratio, /C dan Break Event point (BEP) dan Usaha Jangka Panjang dengan indikator Net Present Value (NPV), Internal Rate Return (IRR), B/C Ratio, Payback Period dan Break Event Point (BEP). Hasil penelitian menunjukkan metode analisis kelayakan dapat diimplementasikan pada aplikasi kelayakan finansial usaha dengan membandingkan hasil perhitungan manual metode analisis kelayakan dengan perhitungan pada sistem, dan aplikasi dapat digunakan dalam penilaian kelayakan finansial beberapa usaha di Sulawesi Tenggara. Kata kunci— Aplikasi Kelayakan Finansial, Metode Analisis Kelayakan, Kredit Usaha.
Penerapan Metode LSTM Pada Sistem Klasifikasi Komentar Publik Yang Termasuk Jenis Pelanggaran Undang-Undang ITE Nadaa Qur'atul 'Ain; Bambang Pramono; Asa Hari Wibowo
Jurnal Informatika Ilmu Komputer dan Sistem Informasi Vol. 2 No. 1 (2024): Volume 2 Nomor 1 Tahun 2024
Publisher : Jurnal Informatika Ilmu Komputer dan Sistem Informasi

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

Abstract

Twitter merupakan media sosial yang menempatkan Indonesia sebagai negara dengan pengguna ke-5 terbanyak di dunia. Besarnya jumlah pengguna Twitter menjadikan media ini sebagai salah satu sarana untuk memperoleh simpati dan dukungan publik terhadap seseorang guna memenangkan suatu kontes perebutan kekuasaan (pemilihan presiden/pilpres). Adanya ambisi yang besar untuk memenangkan bakal calon dukungannya memicu oknum-oknum tertentu melakukan usaha-usaha untuk menjatuhkan pesaingnya lewat media sosial Twitter yang kegiatan-kegiatan tersebut merupakan suatu pelanggaran hukum. Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi yang mampu mengklasifikasikan komentar publik (tweet) ke dalam jenis-jenis pelanggaran Undang - Undang No. 19 Tahun 2016 tentang perubahan atas Undang - Undang Nomor 11 Tahun 2008 tentang Informasi dan Transaksi Elektronik (ITE) menggunakan metode klasifikasi Long-Short Term Memory. Berdasarkan hasil penelitian diperoleh accuracy sebesar 80%, precision sebesar 53,3% dan recall sebesar 58%, artinya metode Long-Short Term Memory ini cukup dapat digunakan untuk melakukan klasifikasi komentar publik (tweet) kedalam pelanggaran Undang Undang Informasi dan Transaksi Elektronik (ITE).
Sistem Cerdas Deteksi Risiko Anemia Berbasis Hybrid Convolutional Neural Network dan Expert System pada Analisis Citra Konjungtiva Mata dan Gejala Klinis Pasien Ghefira Zahra Nur Fadhilah; Muh. Yamin; Asa Hari Wibowo
Arcitech: Journal of Computer Science and Artificial Intelligence Vol. 6 No. 1 (2026): June 2026
Publisher : Institut Agama Islam Negeri (IAIN) Curup

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29240/arcitech.v6i1.17146

Abstract

Anemia remains a global health problem, requiring early detection to prevent serious complications. Hemoglobin testing is invasive, while previous non-invasive screening approaches rely on a single parameter, limiting early detection effectiveness. This study develops a non-invasive anemia screening system using conjunctival images and clinical symptoms based on a Convolutional Neural Network (CNN) with MobileNetV2, an expert system, and a weighted hybrid method. A total of 3,870 conjunctival images were used for training and validation, while 50 test samples were collected using a smartphone and clinical symptom data. The results show that the CNN achieved 94% accuracy, the expert system 90%, and the hybrid method achieved 96% accuracy, 100% precision, 89% recall, and a 94% F1-score. These findings indicate that the integration of methods improves screening performance and supports a fast, easy, non-invasive, and practical anemia screening system for early detection that can be used independently at home with accessible devices.
Implementasi Multi-Attribute Utility Theory (MAUT) dan Content-Based Filtering Untuk Pemilihan Dosen Pembimbing dan Dosen Penguji Tugas Akhir I Nyoman Aditia; Statiswaty Statiswaty; Asa Hari Wibowo; LM Fid Aksara; Bambang Pramono; Rizal Adi Saputra
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.11695

Abstract

Pemilihan dosen pembimbing dan dosen penguji tugas akhir merupakan proses penting yang sangat memengaruhi kualitas bimbingan, objektivitas penilaian, dan kelancaran penyelesaian studi mahasiswa. Namun, pada banyak perguruan tinggi proses ini masih dilakukan secara manual dan cenderung subjektif, tanpa analisis kesesuaian topik penelitian maupun pemerataan beban akademik dosen secara sistematis. Kondisi tersebut berpotensi menimbulkan ketidaksesuaian antara keahlian dosen dan topik tugas akhir mahasiswa serta distribusi beban bimbingan yang tidak merata. Penelitian ini bertujuan merancang dan membangun sistem pendukung keputusan berbasis web yang mengintegrasikan metode Content-Based Filtering (CBF) dan Multi-Attribute Utility Theory (MAUT). Metode CBF digunakan untuk mengukur kesesuaian antara judul tugas akhir mahasiswa dan publikasi dosen melalui teknik TF-IDF dan Cosine Similarity, sedangkan MAUT menggabungkan nilai kemiripan tersebut dengan kriteria jabatan fungsional, jumlah publikasi lima tahun terakhir, dan beban akademik dosen untuk menghasilkan perangkingan rekomendasi. Sistem dikembangkan menggunakan metode Rational Unified Process (RUP). Pengujian metode dilakukan menggunakan Precision, Recall, F1-Score, dan Korelasi Rank Spearman, sedangkan penerimaan pengguna diukur dengan User Acceptance Testing (UAT). Hasil pengujian CBF memperoleh rata-rata F1-Score 0,5309 untuk kategori pembimbing dan 0,4539 untuk kategori penguji, sedangkan MAUT memperoleh nilai korelasi Spearman 0,40 (pembimbing) dan -0,12 (penguji). Hasil UAT memperoleh nilai penerimaan keseluruhan 84,33% yang termasuk kategori sangat baik. Dengan demikian, sistem yang dikembangkan dinilai dapat diterima dan mampu membantu proses pemilihan dosen secara lebih objektif, efisien, dan terukur.
Implementasi Algortima Agglomerative Hierarchical Clustering (AHC) Pada Sistem Informasi Manajemen Pertandingan Taekwondo Untuk Otomatisasi Bagan Pertandingan Nur Fadillahh; Jumadil Nangi; Asa Hari Wibowo; Isnawaty Isnawaty; Bambang Pramono; Erich Nov Putra Razak
Indonesian Journal of Multidisciplinary on Social and Technology Vol. 4 No. 3 (2026): Juli - Oktober
Publisher : PT Ilmu Data Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69693/ijmst.v4i3.12132

Abstract

Penyelenggaraan pertandingan taekwondo memerlukan pengelolaan administrasi dan penyusunan bagan pertandingan yang efektif agar kompetisi dapat berlangsung secara terstruktur, objektif, dan efisien. Namun, proses tersebut masih banyak dilakukan secara manual sehingga berpotensi menyebabkan ketidakteraturan pengelolaan data, keterlambatan penyampaian informasi, serta belum mendukung pembentukan bagan pertandingan secara otomatis berdasarkan karakteristik atlet. Penelitian ini bertujuan mengembangkan dan mengimplementasikan Sistem Informasi Manajemen Pertandingan Taekwondo dengan menerapkan algoritma Agglomerative Hierarchical Clustering (AHC) sebagai dasar pembentukan bagan pertandingan secara otomatis. Pengembangan sistem menggunakan metode Rational Unified Process (RUP) yang terdiri atas tahapan Inception, Elaboration, Construction, dan Transition. Proses pengelompokan atlet dilakukan menggunakan algoritma AHC berdasarkan atribut tingkat sabuk, tahun lahir, dan berat badan, sedangkan kualitas hasil clustering dievaluasi menggunakan Silhouette Index (SI) dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa sistem berhasil mengelola data pertandingan serta membentuk bagan pertandingan secara otomatis berdasarkan hasil pengelompokan atlet. Pengujian pada beberapa kelas tanding menunjukkan bahwa kualitas clustering bervariasi sesuai karakteristik data pada setiap kategori. Hasil terbaik diperoleh pada kelas Junior Putra Under 45 dengan enam klaster, nilai Silhouette Index sebesar 0,8179, dan Davies-Bouldin Index sebesar 0,0486 yang menunjukkan kualitas pengelompokan yang sangat baik. Dengan demikian, implementasi algoritma AHC pada sistem informasi manajemen pertandingan mampu menghasilkan pengelompokan atlet yang representatif sebagai dasar penyusunan bagan pertandingan secara otomatis, sehingga mendukung proses pengelolaan pertandingan yang lebih sistematis, objektif, dan berbasis data.
Perbandingan Motode Long Short-Term Memory (LSTM) dan Hybrid LSTM-XGBoost dalam Prediksi Harga Komoditas Sektor Pertanian di Sulawesi Tenggara Muhammad Vannes Al Qadri; Rizal Adi Saputra; Asa Hari Wibowo; La Ode Muhammad Golok Jaya; Isnawaty Isnawaty
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 4 No. 3 (2026): Juli : Jurnal Ilmiah Sains Teknologi dan Informasi
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v4i3.1685

Abstract

Agricultural commodity price instability remains a major challenge for farmers, fishers, and livestock breeders in Southeast Sulawesi Province, where 54,905 agricultural workers were still categorized as poor in 2023. Frequent price fluctuations complicate production and marketing decisions, creating the need for accurate price prediction systems. This study develops and compares two prediction models: a single Long Short-Term Memory (LSTM) model and a Hybrid LSTM-XGBoost model for 20 agricultural commodities across 17 regencies/cities in Southeast Sulawesi. Daily price data were collected from the Southeast Sulawesi Food Security Agency from January 2023 to December 2025. The LSTM model consisted of two LSTM layers (128 and 64 units), a Bahdanau Attention mechanism, and an Embedding layer to represent regions and commodities. The XGBoost component was used to correct LSTM residuals within a 30-day prediction horizon. Model performance was evaluated using Mean Absolute Percentage Error (MAPE). Results showed that the Hybrid LSTM-XGBoost model achieved better accuracy, with an average MAPE of 4.73% compared to 5.52% for the single LSTM model. Significant improvements were found in volatile commodities such as Bird’s Eye Chili and Curly Red Chili. The system can support production planning, food distribution, and SDG 1 (No Poverty).
Pendampingan Pembelajaran dan Pengembangan Sistem Informasi Pendataan PKL Berbasis Website Melalui Kerja Praktik di SMK Negeri 3 Kendari Nirmala Nirmala; Indah Lestari; Adi Setiawan; Asa Hari Wibowo; Andy Musly Afryanto Fitri
Jurnal Pengabdian Masyarakat Bangsa Vol. 4 No. 6 (2026): Agustus
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v4i6.4833

Abstract

Kegiatan pengabdian ini bertujuan membantu SMK Negeri 3 Kendari mengatasi permasalahan pengelolaan administrasi Praktik Kerja Lapangan (PKL) yang masih dilakukan secara manual, sekaligus memberikan pendampingan pembelajaran teknologi informasi bagi siswa program keahlian Teknik Jaringan Komputer dan Telekomunikasi (TJKT). Metode yang digunakan meliputi observasi, wawancara, dan studi literatur untuk analisis kebutuhan, dilanjutkan dengan pengembangan Sistem Informasi Pendataan Siswa PKL berbasis website menggunakan metode Agile dengan Google Apps Script dan Google Sheets sebagai back-end dan basis data. Selain pengembangan sistem, tim pengabdi juga melaksanakan pendampingan pembelajaran pemrograman web, desain antarmuka dengan Figma, instalasi sistem operasi Ubuntu, serta instalasi WordPress, di samping mendampingi pengawasan proses belajar dan sosialisasi sistem ke beberapa kelas. Hasil kegiatan menunjukkan bahwa sistem berhasil diimplementasikan dengan dua level akses pengguna (siswa dan admin) dan seluruh fitur utama dinyatakan valid berdasarkan hasil Blackbox Testing. Kegiatan pendampingan pembelajaran turut meningkatkan pemahaman siswa terhadap teknologi web, desain, dan administrasi server. Kesimpulannya, kegiatan pengabdian ini berhasil menghadirkan solusi digital yang efisien bagi sekolah sekaligus meningkatkan kapasitas siswa di bidang teknologi informasi.
Automated MSME Bookkeeping Using Vision-Language Models and Hierarchical Multi-Agent Systems La Ode Muhammad Yudhy Prayitno; La Ode Muhammad Golok Jaya; Asa Hari Wibowo
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.10269

Abstract

We present a bookkeeping automation system for micro, small, and medium enterprises (MSMEs) that converts receipt photographs into structured ledger entries without manual data transcription. Receipt-based automation is difficult because document layouts vary widely across retailers, image quality in real-world capture conditions is unreliable, and writing extracted data into a spreadsheet accounting system requires coordinated multi-step execution that a single model cannot handle end to end. The system fine-tunes Qwen 3.5-4B with Low-Rank Adaptation (LoRA) on a 1,000-image annotated receipt corpus and couples the extraction model to a LangGraph-based hierarchical multi-agent architecture whose agents access SQLite and Google Sheets through standardized Model Context Protocol (MCP) tool endpoints. When evaluated on 100 unseen test images, the fine-tuned model, configured at LoRA rank 32 and epoch 3, yields a 94.58% Digit Accuracy and an ANLS* score of 93.99 while maintaining 100% JSON validity, representing a 43.71-point and 17.09-point improvement in KIEVal Group F1 and KIEVal Entity F1, respectively, over the untuned Qwen 3.5-4B baseline and outperforming all four zero-shot baselines across every metric. Beyond individual model capabilities, the multi-agent framework, served through vLLM and exposed via a cross-platform mobile client, successfully satisfies all 22 behavioral test cases covering single-agent tool routing, cross-agent orchestration, human-in-the-loop confirmation, and input-output guardrail enforcement, demonstrating a deployable end-to-end pipeline from receipt capture to ledger update.
Sistem Pengaduan Jalan Rusak Menggunakan AHP dan Priority Queue untuk Prioritas Penanganan Isra Nur Rahayu; Sutardi Sutardi; Asa Hari Wibowo
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.13965

Abstract

Kerusakan jalan merupakan permasalahan infrastruktur publik yang memerlukan mekanisme penanganan berdasarkan tingkat urgensi agar proses perbaikan dapat dilakukan secara tepat sasaran. Proses pengelolaan laporan kerusakan jalan masih menghadapi kendala berupa banyaknya laporan yang masuk, kelengkapan informasi yang belum optimal, serta belum adanya mekanisme pengurutan laporan berdasarkan tingkat kepentingan. Kondisi tersebut dapat menyebabkan keterlambatan penanganan dan menyulitkan petugas dalam menentukan laporan yang harus diproses terlebih dahulu. Penelitian ini bertujuan mengembangkan sistem pengaduan jalan rusak menggunakan metode Analytical Hierarchy Process (AHP) dan algoritma Priority Queue untuk menentukan prioritas penanganan laporan secara objektif dan terstruktur. Metode AHP digunakan untuk menentukan bobot kriteria berdasarkan tiga aspek utama, yaitu kondisi kerusakan jalan (K1), tingkat bahaya atau keselamatan jalan (K2), dan fungsi jalan (K3). Bobot yang diperoleh kemudian digunakan untuk menghitung Priority Score setiap laporan. Nilai Priority Score tersebut menjadi dasar pengurutan laporan menggunakan algoritma Priority Queue, sehingga laporan dengan tingkat prioritas lebih tinggi dapat ditempatkan pada urutan penanganan awal. Hasil penelitian menunjukkan bobot K1 sebesar 52,29%, K2 sebesar 38,16%, dan K3 sebesar 9,54%, dengan nilai Consistency Ratio (CR) sebesar 0,0105 yang menunjukkan bahwa penilaian perbandingan antar kriteria konsisten. Pengujian algoritma terhadap 11 skenario menghasilkan tingkat kesesuaian 100%, sedangkan User Acceptance Testing memperoleh nilai 86,80% dengan kategori sangat sesuai. Hasil tersebut menunjukkan bahwa integrasi AHP dan Priority Queue mampu mendukung proses pengambilan keputusan prioritas penanganan jalan rusak secara lebih sistematis, konsisten, transparan, dan berbasis kriteria teknis. Sistem yang dikembangkan juga dapat membantu petugas mengelola laporan secara lebih terarah serta meningkatkan efisiensi proses penentuan urutan penanganan lapangan.
Prediksi Waktu Tanam Padi Menggunakan Random Forest Berbasis Data Cuaca dan Ekonomi Siti Rahmah Basri; Statiswaty Statiswaty; Asa Hari Wibowo
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.14171

Abstract

Penentuan waktu tanam padi yang tepat menjadi salah satu faktor penting dalam mendukung keberhasilan budidaya pertanian karena berkaitan dengan kondisi lingkungan, ekonomi, dan pola aktivitas pertanian sebelumnya. Penelitian ini bertujuan untuk mengembangkan sistem prediksi waktu tanam padi menggunakan algoritma Random Forest Classifier berbasis kombinasi data cuaca, aspek ekonomi, dan fitur historis aktivitas pertanian. Data penelitian menggunakan data historis pertanian Kecamatan Wawotobi Kabupaten Konawe yang terdiri dari variabel curah hujan, suhu udara, kelembapan, intensitas penyinaran matahari, harga gabah, biaya produksi, luas tanam, serta fitur hasil rekayasa data berupa lag, rolling mean, dan recent momentum. Tahapan penelitian meliputi pengumpulan data, preprocessing, pembentukan fitur dan label, pelatihan model Random Forest Classifier, evaluasi menggunakan metode walk-forward validation, serta implementasi model ke dalam sistem berbasis website. Hasil penelitian menunjukkan bahwa model mampu melakukan klasifikasi status waktu tanam menjadi dua kategori, yaitu bulan tanam aktif dan bulan tanam tidak aktif. Pada pengujian data panel 29 kecamatan, model memperoleh nilai Accuracy sebesar 0,807, Balanced Accuracy sebesar 0,820, dan ROC-AUC sebesar 0,885. Pada pengujian khusus Kecamatan Wawotobi, model menghasilkan nilai Accuracy sebesar 0,889, Precision sebesar 0,938, Recall sebesar 0,938, dan F1-Score sebesar 0,938. Analisis feature importance menunjukkan bahwa fitur berbasis histori aktivitas pertanian memiliki kontribusi terbesar terhadap hasil prediksi. Sistem yang dikembangkan mampu memberikan prediksi waktu tanam serta informasi faktor yang memengaruhi keputusan model sehingga dapat digunakan sebagai media pendukung pengambilan keputusan dalam kegiatan budidaya padi.