Article Per Year (5 Year)
p-Index From 2021 - 2026
2.551
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Technologia: Jurnal Ilmiah IJAIT (International Journal of Applied Information Technology) JATI (Jurnal Mahasiswa Teknik Informatika) Yayasan Cita Cendikiawan Al Khwarizmi JUSTIN (Jurnal Sistem dan Teknologi Informasi) JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Muhammad Al Husaini
Dept. Of Informatic, Siliwangi University, Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
PERANCANGAN SISTEM INFORMASI DETEKSI DINI STUNTING BERBASIS WEBSITE MENGGUNAKAN METODE USER CENTER DESIGN Hen Hen Lukmana; Muhammad Al-Husaini; Irani Hoeronis; Luh Desi Puspareni
Technologia : Jurnal Ilmiah Vol 14, No 3 (2023): Technologia (Juli)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v14i3.12025

Abstract

Stunting merupakan masalah serius dalam pembangunan kesehatan di Indonesia. Stunting merujuk pada kondisi dimana pertumbuhan dan perkembangan anak terhambat karena faktor-faktor seperti kurang gizi, infeksi berulang, dan kurangnya stimulasi psikososial yang memadai. Stunting memiliki dampak besar terhadap kehidupan dan perkembangan anak, termasuk penurunan kemampuan kognitif, keterampilan motorik, dan daya tahan tubuh yang lemah. Deteksi dini stunting sangat penting untuk mencegah dampak jangka panjang yang merugikan. Pengembangan sistem informasi deteksi dini stunting dapat menjadi solusi efektif dalam mengurangi keterlambatan pendeteksian stunting pada anak. Dengan menerapkan metode UCD pengembang dapat memastikan bahwa sistem yang dikembangkan mudah digunakan dan dimengerti oleh pengguna, termasuk petugas kesehatan dan orang tua yang terlibat dalam pendeteksian stunting. Penelitian ini bertujuan untuk mengembangkan sistem informasi pendeteksi dini stunting menggunakan metode User Center Design di Kota Tasikmalaya. Pendekatan ini diharapkan dapat meningkatkan keterlibatan pengguna, memenuhi kebutuhan mereka, dan memungkinkan pengguna untuk memahami fungsi sistem hanya dengan satu kali penggunaan. Metode pengujian yang dilakukan yaitu usability testing dan blackbox testing untuk mengevaluasi kegunaan dan fungsionalitas sistem. Hasil pengujian menunjukkan bahwa sistem memenuhi persyaratan fungsional dan memiliki kegunaan yang baik.
Early Detection of Stunting in Toddlers Based on Ensemble Machine Learning in Purbaratu Tasikmalaya AL Husaini; Irani Hoeronis; Hen Hen Lumana; Luh Desi Puspareni
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.66465

Abstract

This research utilizes combines several algorithm model that improve the accuracy of early detection of stunting in toddlers in Purbaratu Tasikmalaya.  The ensemble method used a voting classifier to combine the prediction results of models. The data used in this research were anthropometric data from 195 toddlers in Purbaratu Tasikmalaya. Results of the testing have identified that the use of the ensemble model machine learning method produces high accuracy for 3 categories of anthropometric data categories tested, that combined accuracy value 97,43 %, 92,30%, and 94,87% for all ensemble model and category.
Pengembangan Sistem Informasi Deteksi Dini Stunting Berbasis Sistem Pakar Menggunakan Metode Forward Chaining Lukmana, Hen Hen; Al-Husaini, Muhammad; Hoeronis, Irani; Puspareni, Luh Desi
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 12, No 3: Desember 2023
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v12i3.1435

Abstract

 AbstractStunting is a chronic nutritional problem that affects the growth and development of children due to sustained chronic malnutrition. Prevention and early detection of stunting are a priority in addressing this issue. However, the challenges in early stunting detection include limited access to quality healthcare services and lack of knowledge and awareness among the community. In this context, the development of an early stunting detection information system using an expert system can be an effective solution. This research aims to develop an expert system-based early stunting detection information system using the forward chaining method. The development method employed is the Expert System Development Life Cycle (ESDLC). The stages in ESDLC include needs assessment, knowledge acquisition from nutrition experts, system design, testing, and maintenance. The results of this research consist of an early stunting detection information system with features such as stunting assessment based on weight, height, and head circumference, consultation with health centers, educational articles, and health center profiles. The system testing is conducted using the black box testing method, which yields expected results. AbstrakStunting merupakan masalah gizi kronis yang mempengaruhi pertumbuhan dan perkembangan anak-anak akibat malnutrisi kronis yang berkelanjutan. Upaya pencegahan dan deteksi dini stunting menjadi prioritas dalam penanganan stunting. Namun, tantangan dalam deteksi dini stunting meliputi kurangnya akses ke layanan kesehatan yang berkualitas dan kurangnya pengetahuan serta kesadaran masyarakat. Dalam konteks ini, pengembangan sistem informasi deteksi dini stunting menggunakan sistem pakar dapat menjadi solusi yang efektif. Penelitian ini bertujuan untuk mengembangkan sistem informasi deteksi dini stunting berbasis sistem pakar menggunakan metode forward chaining. Metode pengembangan yang digunakan adalah Expert System Development Life Cycle (ESDLC). Tahap-tahap dalam ESDLC meliputi penilaian kebutuhan, akuisisi pengetahuan dari ahli gizi, desain sistem, pengujian, dan pemeliharaan.  Hasil penelitian ini berupa sistem informasi deteksi dini stunting yang terdiri dari  fitur pengecekan stunting berdasarkan berat badan, tinggi badan, dan lingkar kepala, konsultasi dengan puskesmas, artikel edukasi, dan profil puskesmas. Pengujian sistem menggunakan metode black box testing dengan hasil sesuai harapan.  
Visualisasi Skyline Query untuk Distribusi Tenaga Kesehatan COVID-19 Vega Purwayoga; Muhammad Al Husaini; Hen Hen Lukmana
Jurnal Teknik Informatika dan Sistem Informasi Vol 9 No 1 (2023): JuTISI (in progress)
Publisher : Maranatha University Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.28932/jutisi.v9i1.5624

Abstract

The use of health workers in areas with minimal risk can be a solution to help areas with a high risk of spreading COVID-19. Selection of low risk areas can be done by measuring the level of risk in an area. One solution is to use the skyline query algorithm. Skyline query is able to recommend which areas are potential to serve as supporting areas for health workers. Skyline query is able to produce a recommendation model for determining the supporting area for health workers, however, in the process of reading the information, it is necessary to extract the information. Extraction is carried out by developing a system for visualizing the skyline query as a recommendation system for health personnel assistance. This study develops a visualization system using a hybrid approach, which combines the Rapid GIS Development Cycle (RGDC) and Navigational Development Techniques (NDT) methods. The system was developed using R and the shiny library, ggplot2, rpref and leaflets. The system can work as expected, such as displaying a map of the recommended area to become a supporting area, visualizing data with ggplots and visualizing dominance testing on the skyline query.
Improving the Performance of Posyandu Cadres with SIPPOS: Posyandu Service Information System in the Sangkali Tamansari Community Health Center Area Tasikmalaya City: Peningkatan Kinerja Kader Posyandu dengan SIPPOS: Sistem Informasi Pelayanan Posyandu di Wilayah Puskesmas Sangkali Tamansari Kota Tasikmalaya Heni Sulastri; Siti Yuliyanti; Neng Ika Kurniati; Muhammad Al-Husaini; Hen Hen Lukmana
JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Vol. 10 No. 1 (2026): Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Publisher : DPD Jatim Perkumpulan Dosen Indonesia Semesta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36339/je.v10i1.480

Abstract

Posyandu cadres have a strategic role in the promotion and prevention of public health services at the primary level. However, many cadres rely on manual recording systems that are less efficient. This community service focuses on training, mentoring, and monitoring the implementation of the system with the aim of improving the performance of Posyandu cadres through the implementation of SIPPOS (Posyandu Service Information System). SIPPOS is an information system to assist Posyandu cadres in managing health service data more quickly. Community service activities include SIPPOS socialization to cadres and health center officers, including training on system usage and technical assistance. Evaluation of the effectiveness of SIPPOS use in routine Posyandu activities, and program sustainability in order to expand the benefits of the community service reach. This community service is expected to significantly improve Posyandu cadres in mastery of information technology and the accuracy of service data recording.
Implementation of the Apriori Algorithm on Outdoor Equipment Rental Transaction Data Based on Clustering Using the K-Means Algorithm Randi Rizal; Ruuhwan Ruuhwan; Muhammad Al Husaini; Dede Rizal Nursamsi; Meto Rizki M
IJAIT (International Journal of Applied Information Technology) Vol 08 No 02 (November 2024)
Publisher : School of Applied Science, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/ijait.v8i2.6367

Abstract

Outdoor equipment rental services play a critical role in meeting climbers’ needs prior to expeditions. Sustaining business continuity in this sector requires effective marketing strategies, particularly given the increasing market competition. This study employs data mining techniques to analyze rental transaction data and identify patterns that support strategic decision-making. Specifically, clustering is performed using the K-Means algorithm to group transactions with similar attributes, followed by association rule mining using the Apriori algorithm within each cluster. A dataset comprising 1,276 valid transactions was processed, resulting in three clusters containing 324, 264, and 688 records, respectively, with an accuracy of 0.998. Apriori analysis generated 13 association rules in Cluster 0 and 2 rules in Cluster 1, while no rules met the minimum support and confidence thresholds in Cluster 2 or the overall dataset. These findings demonstrate that clustering prior to association rule mining can uncover meaningful patterns that are not evident in aggregated data. Such insights can inform targeted marketing strategies, including recommendations for item combinations frequently rented together. Future research may integrate alternative algorithms such as ECLAT or FP-Growth and explore framework-based systems to enhance scalability and precision in data-driven decision-making.
RANCANG BANGUN PROTOTYPE SISTEM MONITORING KETINGGIAN AIR SUNGAI DENGAN DETEKSI ANOMALI MENGGUNAKAN ALGORITMA ISOLATION FOREST BERBASIS IOT Vito Hafizh Cahaya Putra; Muhammad Al-Husaini; Agung Rachmat Raharja; Ghanim Kanugrahan; Pebrianti Panjaitan; Karen Etania Saputra
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 3 (2026): JATI Vol. 10 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i3.18317

Abstract

Ketinggian air sungai yang berubah secara dinamis merupakan salah satu indikator penting dalam mengidentifikasi potensi terjadinya banjir, terutama pada wilayah dengan intensitas curah hujan yang tinggi. Perubahan tersebut tidak selalu berlangsung secara teratur, melainkan dapat terjadi secara tiba-tiba dan menyimpang dari pola normal sehingga sulit dideteksi apabila hanya mengandalkan pengamatan manual atau pendekatan berbasis ambang batas tertentu. Penelitian ini mengembangkan prototype sistem monitoring ketinggian air sungai berbasis Internet of Things (IoT) dengan deteksi anomali menggunakan algoritma Isolation Forest. Sistem memanfaatkan sensor ultrasonik yang terintegrasi dengan ESP32 untuk melakukan pengukuran, pengolahan, dan pengiriman data ke platform ThingSpeak secara real-time. Dataset historis yang digunakan berjumlah 6.621 data dengan pembagian 4.634 data latih dan 1.987 data uji. Hasil pengujian menunjukkan model mampu mendeteksi 22 data anomali pada data uji dengan persentase anomali sebesar 1,11% dan nilai rata-rata anomaly score sebesar 0,1885. Pada pengujian real-time selama 60 menit, sistem berhasil mendeteksi 50 anomali dari 235 data sensor serta mengklasifikasikan kondisi ke dalam kategori aman, waspada, dan bahaya. Integrasi IoT dan Isolation Forest menghasilkan sistem monitoring yang responsif, adaptif, dan berpotensi mendukung pengembangan early warning system banjir secara lebih efektif dan berkelanjutan.
Pelatihan Literasi Digital, Koding, dan Kecerdasan Artifisial untuk Peningkatan Kapasitas Sekolah di Wilayah Kabupaten Tasikmalaya R Reza El Akbar; Wiwin Herwina; Iman Handiman; Muhammad Al Husaini; Hen Hen Lukmana; Siti Pitrianti; Muhammad Sidik Asyaky
Dedikasi Sains dan Teknologi (DST) Vol. 5 No. 2 (2025): Artikel Pengabdian Nopember 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v5i2.7327

Abstract

Transformasi digital menuntut sekolah tanggap terhadap perubahan teknologi pembelajaran. Kegiatan pengabdian ini bertujuan meningkatkan literasi digital, kompetensi koding dasar, dan pemanfaatan kecerdasan artifisial (AI) bagi pendidik dan siswa di Kabupaten Tasikmalaya. Program mencakup asesmen kebutuhan, pelatihan literasi digital, pengenalan koding berbasis Scratch dan metode “unplugged”, serta pemanfaatan AI edukatif (mis. peringkasan, pembuatan bahan ajar, dan penilaian awal). Pendampingan lapangan dan project-based learning (PjBL) digunakan untuk memastikan adopsi di kelas. Luaran meliputi modul pelatihan, video tutorial, prototipe proyek ajar berbasis koding/AI, dan Rencana Tindak Lanjut (RTTL) tiap sekolah. Hasil awal menunjukkan peningkatan kepercayaan diri pendidik dalam mengintegrasikan teknologi, tersusunnya perangkat ajar digital, serta terbentuknya tim inovasi sekolah. Kegiatan ini menegaskan bahwa pendekatan bertahap, adaptif, dan berbasis proyek efektif mendorong adopsi teknologi pada satuan pendidikan dengan keterbatasan fasilitas.
DETEKSI DINI KESEHATAN MENTAL MAHASISWA DENGAN MACHINE LEARNING: PERBANDINGAN ALGORITMA DECISION TREE DAN RANDOM FOREST Jayadi Jayadi; Vito Hafizh Cahaya Putra; Agung Rachmat Raharja; Muhammad Al-husaini
Technologia : Jurnal Ilmiah Vol 17 No 1 (2026): 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.v17i1.21251

Abstract

Kesehatan mental di kalangan mahasiswa merupakan isu yang semakin penting untuk diperhatikan, mengingat tingginya tekanan akademik dan sosial yang dapat memicu stres, kecemasan, hingga depresi. Penelitian ini bertujuan untuk menerapkan dan membandingkan dua algoritma machine learning, yaitu Decision Tree dan Random Forest, dalam mendeteksi potensi depresi pada mahasiswa berdasarkan data yang tersedia. Dataset yang digunakan diperoleh dari Kaggle dan mencakup berbagai variabel psikososial seperti tekanan akademik, stres finansial, dan riwayat pemikiran bunuh diri. Tahapan penelitian meliputi praproses data, pelatihan model, evaluasi performa menggunakan 5-fold cross validation, serta analisis feature importance. Hasil evaluasi menunjukkan bahwa model Decision Tree memiliki rata-rata F1 Score sebesar 0.8217, sementara Random Forest menunjukkan nilai 0.8098. Meskipun Decision Tree unggul secara metrik evaluasi dan efisiensi komputasi, Random Forest lebih stabil dan tahan terhadap overfitting. Kesimpulan dari penelitian ini merekomendasikan penggunaan algoritma Random Forest untuk sistem deteksi dini depresi mahasiswa, dengan tetap mempertimbangkan kelebihan Decision Tree dalam hal interpretasi hasil.Keywords: Kesehatan Mental, Mahasiswa, Machine Learning, Decision Tree, Random Forest, Deteksi Depresi.
PERBANDINGAN DECISION TREE DAN LOGISTIC REGRESSION UNTUK DETEKSI PENYAKIT DAUN MULTISPESIES MENGGUNAKAN PENDEKATAN FITUR HIBRIDA BERBASIS CITRA Solihin Solihin; Agung Rachmat Raharja; Vito Hafizh Cahaya Putra; Muhammad Al-Husaini
Technologia : Jurnal Ilmiah Vol 17 No 1 (2026): 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.v17i1.21252

Abstract

Klasifikasi penyakit daun tanaman secara dini dan akurat berperan penting dalam meningkatkan hasil panen, mencegah kerugian pertanian, serta mendorong penerapan praktik pertanian berkelanjutan. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning yang banyak digunakan, yaitu Decision Tree dan Logistic Regression, dalam mengidentifikasi penyakit daun tanaman berdasarkan fitur gabungan yang mencakup karakteristik warna dan tekstur. Data penelitian bersumber dari PlantVillage dataset yang berisi citra daun sehat dan daun terinfeksi dari berbagai jenis tanaman. Setiap citra melalui proses pra-pemrosesan meliputi penyeragaman ukuran, konversi ke skala keabuan, dan normalisasi nilai piksel untuk meningkatkan kestabilan pembelajaran model. Fitur kemudian diekstraksi melalui penggabungan histogram warna dari kanal RGB dan HSV dengan fitur tekstur yang dihasilkan menggunakan metode Local Binary Pattern (LBP) dan Gray-Level Co-occurrence Matrix (GLCM). Kedua model dievaluasi dengan pembagian data 70% untuk pelatihan dan 30% untuk pengujian. Hasil penelitian menunjukkan bahwa Logistic Regression menghasilkan akurasi tertinggi sebesar 79,89%, sedangkan Decision Tree mencapai 76,81%. Logistic Regression juga menunjukkan presisi dan recall yang lebih konsisten. Temuan ini menegaskan bahwa integrasi fitur warna dan tekstur meningkatkan performa klasifikasi dan mendukung pengembangan sistem pertanian cerdas berbasis deteksi penyakit otomatis.Keywords: Penyakit daun tanaman, Klasifikasi citra, Fitur hibrida, Local Binary Pattern, Gray-Level Co-occurrence Matrix, Logistic Regression
Co-Authors Agung Rachmat Raharja Dede Rizal Nursamsi Febriyanti Panjaitan Ghanim Kanugrahan Ghanim Kanugrahan Gravila Juliana Hafizh Cahaya Putra, Vito Hariyanti, Ifani Hen Hen Lukmana Hen Hen Lumana Heni Sulastri Ichsan Fauzi Rachman Iman Handiman Irani Hoeronis Iseu Siti Aisyah Jayadi Jayadi Karen Etania Saputra Luh Desi Puspareni Pitrianti Lukmana, Hen Hen Meto Rizki M Muhammad Sidik Asyaky Muhammad Sidik Asyaky Pitrianti Neng Ika Kurniati Pebrianti Panjaitan Purwayoga, Vega Puspareni, Luh Desi R Reza El Akbar Randi Rizal Ruuhwan Siti Pitrianti Siti Yuliyanti Solihin Solihin Wiwin Herwina