Claim Missing Document
Check
Articles

Found 20 Documents
Search

Penguatan Integrasi Kurikulum Program Studi dengan Dunia Kerja Melalui Studi Excursion dalam Pembelajaran Mahasiswa Khairunnisa; Fitrah, Muh; Lorosae, Teguh Anysor; Ramadhan, Sahrul; Munir
SEWAGATI: Jurnal Pengabdian kepada Masyarakat Vol 2 No 2 (2023): Sewagati: Jurnal Pengabdian kepada Masyarakat
Publisher : Sarau Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61461/sjpm.v2i2.29

Abstract

Kegiatan pengabdian ini bertujuan untuk mengkaji penguatan integrasi kurikulum program studi dengan dunia kerja melalui studi excursion dalam pembelajaran mahasiswa. Metode pelaksanaan kegiatan yang digunakan berdasarkan SDM yang terlibat dan kesesuaian dengan kurikulum program studi ialah kunjungan langsung di Kantor Command Center Pemerintah Kota Bima, Jl. Penatoi Kecamatan Mpunda Kota Bima, observasi dan simulasi, diskusi dan tanya jawab. Hasil kegiatan ini menunjukkan bahwa kegiatan studi excursion memberikan kontribusi signifikan dalam memperoleh pemahaman yang baik tentang dunia kerja. Melalui interaksi langsung dengan mitra, mahasiswa mengembangkan keterampilan praktis yang relevan dan memperluas jaringan secara profesional dilingkungan Pemerintah Daerah. Kegiatan ini juga mengungkapkan bahwa penguatan integrasi kurikulum dengan dunia kerja melalui studi excursion membantu mengurangi kesenjangan antara program studi Ilmu Komputer Universitas Muhammadiyah Bima dan dunia kerja di Command Center Kota Bima. Berdasarkan hasil kegiatan ini, maka dapat direkomendasikan agar perguruan tinggi meningkatkan kerjasama dengan berbagai mitra strategis yang berkonstribusi terhadap keterampilan dan wawasan dunia kerja lulusan, program studi dapat memfasilitasi pembentukan jaringan kerja lulusan, dan mengintegrasikan pengalaman kerja dalam kurikulum yang melibatkan mitra secar berkala. Pengabdian lebih lanjut akan dilakukan untuk mengevaluasi efek jangka panjang dari kegiatan ini terhadap kesiapan karier lulusan program studi ilmu komputer Universitas Muhammadiyah Bima.
Pelatihan Digital Marketing Desa Wisata Jambu Kecamatan Pajo Ansyor Lorosae, Teguh; Hardinandar, Fajrin; Gufran; Ismail
SEWAGATI: Jurnal Pengabdian kepada Masyarakat Vol 2 No 3 (2023): Sewagati: Jurnal Pengabdian kepada Masyarakat
Publisher : Sarau Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61461/sjpm.v2i3.41

Abstract

Desa Jambu adalah desa yang berada di wilayah kecamatan Pajo, Kabupaten Dompu, Nusa Tenggara Barat (NTB) yang dikenal sebagai desa yang produktif dalam aktifitas perikanan, pertanian, dan perkebunan. Pasca pandemi Covid-19, kebangkitan seluruh aktivitas wisata dan pariwisata di desa jambu memang diperlukan, namun terdapat beberapa permasalahan seperti kurang konsistennya para penggiat pariwisata dalam mempromosikan destinasi wisata desa jambu, khususnya dalam pemanfaatan potensi wisata menggunakan teknologi digital marketing. Tujuan dari pengabdian ini adalah memberikan pendampingan kepada penggiat dalam upaya meningkatan strategi digital marketing dan desa jambu pasca pandemi Covid-19. Metode yang digunakan dalam pengabdian ini adalah pelatihan dan pendampingan. Berdasarkan hasil dari pelatihan dan pendampingan yang dilaksanakan, terlihat adanya peningkatan pemahaman mengenai pengelolaan media sosial sebagai alat pemasaran digital, termasuk pembuatan dan kesesuaian konten, serta kelengkapan informasi pada halaman utama
Perancangan Sistem Informasi Data Pelayanan Perpustakaan Berbasis Web Pada SMAN 2 Parepare Ramadhan, Sahrul; Arfianita, Arfianita; Khairunnisa, Khairunnisa; Lorosae, Teguh Ansyor; Fardan, Muhammad
Jurnal MediaTIK Volume 6 Issue 2, Mei (2023)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/mediatik.v6i2.1396

Abstract

Perpustakaan adalah institusi pengelola koleksi karya tulis, karya cetak, dan karya rekam secara profesional dengan sistem yang baku guna memenuhi kebutuhan pendidikan, penelitian, pelestarian, informasi, dan rekreasi para pemustaka. Perpustakaan di SMAN 2 Parepare belum memiliki sistem informasi data pelayanan yang mana data tersebut masih ditulis secara manual menggunakan kertas. Penulisan data perpustakaan melalui kertas bisa mengakibatkan data-data tersebut rusak atau hilang. Informasi bisa didapatkan melalui perpustakaan yang bisa membantu untuk mendapatkan informasi sebanyak mungkin seperti mengolah data, mengatur berbagai buku yang jumlahnya terus bertambah seiring berjalannya waktu. Untuk dapat melihat data-data buku yang dipinjam, siapa yang meminjam, berapa jumlah buku, dan lain sebagainya maka diperlukan sistem komputerisasi yang memudahkan untuk mencari informasi yang diinginkan dan membuat sistem informasi perpustakaan yang lebih sistematis. Metode yang digunakan pada penelitian ini menggunakan metode waterfall. Berdasarkan hasil penelitian yang dilakukan, dapat diambil kesimpulan bahwa sistem informasi perpustakaan yang dibuat dapat membantu admin dalam mengolah data dan user dalam mengakses website.
nalisis Sentimen Berbasis Aspek Ulasan Aplikasi Ruangguru Pada Platform Android dan iOS menggunakan BiLSTM Mutmainah, Siti; Citra, Erin Eka; Lorosae, Teguh Ansyor; Fathir, Fathir
Journal of Information System Research (JOSH) Vol 6 No 4 (2025): July 2025
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josh.v6i4.7475

Abstract

Analysis of user reviews can provide valuable insights for app developers in improving quality, but conventional sentiment analysis only categorizes sentiment in general terms. Aspect-based Sentiment Analysis (ABSA) is a method that can be used to extract specific opinions from various aspects of user reviews. This study compares ABSA on user reviews of Ruangguru app on Android and iOS platforms. Review data was collected from Google Play Store and Apple App Store, processed, and classified into sentiment polarity using deep learning models such as BiLSTM with Word2Vec. The analysis was conducted to find out the aspects talked about by users and the sentiment associated with each aspect. The evaluation results show that the BiLSTM model with Word2Vec features performs well on the sentiment analysis task achieving 84% accuracy. In the aspect extraction task, the model performs very well with accuracy, precision, recall, and F1 Score values of 97%. These results show that the combination of BiLSTM and Word2Vec is an effective approach in understanding user opinions and preferences from Ruangguru app review text data and has the potential to be applied in the development of automated opinion analysis systems. Price aspect extraction results are the most dominant topic discussed on both platforms, followed by features and materials. Positive sentiment towards the price aspect dominates, but there is also a significant proportion of negative sentiment, especially on the Android platform.
Klasifikasi Hama dan Penyakit Tanaman Padi Menggunakan Algoritma Decision Tree Amilia Umi Astagina; Juniar, Eka; Siti Mutmainah; Teguh Ansyor Lorosae
Scientific: Journal of Computer Science and Informatics Vol. 2 No. 2 (2025): Juli 2025
Publisher : Universitas Muhammadiyah Bima

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34304/scientific.v2i2.376

Abstract

Sektor pertanian, khususnya budidaya padi, memegang peran penting dalam mendukung ketahanan pangan nasional di Indonesia. Namun, serangan hama dan penyakit masih menjadi tantangan serius bagi para petani karena dapat menurunkan hasil produksi. Penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengidentifikasi jenis hama dan penyakit yang menyerang tanaman padi. Metode yang digunakan adalah algoritma Decision Tree, yang diterapkan pada dataset dari Kaggle dengan atribut seperti umur tanaman, tinggi, kondisi daun, serta gejala penyakit dan hama. Proses klasifikasi dilakukan menggunakan bahasa pemrograman Python, meliputi tahapan pra-pemrosesan data, pemisahan data pelatihan dan pengujian, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model Decision Tree mampu melakukan klasifikasi dengan tingkat akurasi sebesar 71,67%. Meskipun demikian, model masih mengalami kendala pada distribusi data yang tidak merata di beberapa kelas. Dengan pengembangan lanjutan, sistem ini berpotensi membantu petani dalam mendeteksi hama dan penyakit secara lebih cepat, sehingga dapat meningkatkan produktivitas pertanian dan mendukung ketahanan pangan nasional.
Pelatihan Literasi Digital dan Pengelolaan Data Pribadi untuk Remaja di Era Big Data Siti Mutmainah; Teguh Ansor Lorosae; Alamin, Zumhur; Sutriawan
Jurnal Pengabdian kepada Masyarakat (PEMAS) Vol. 2 No. 2 (2025): Mei 2025
Publisher : Yayasan Ran Edu Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63866/pemas.v2i2.74

Abstract

Era big data telah membawa perubahan yang signifikan dalam cara remaja berinteraksi dan mengelola informasi. Meskipun demikian, aktivitas digital yang tinggi juga disertai dengan risiko terkait privasi dan keamanan data pribadi. Kegiatan pengabdian ini bertujuan untuk meningkatkan literasi digital dan kesadaran akan pentingnya pengelolaan data pribadi di kalangan remaja di Kota Bima. Metode kegiatan yang digunakan antara lain penyuluhan interaktif, studi kasus insiden kebocoran data, dan simulasi pengaturan privasi di platform media sosial. Evaluasi dilakukan melalui pre-test dan post-test yang bertujuan untuk mengukur peningkatan pemahaman peserta. Berdasarkan evaluasi pre-test dan post-test menunjukkan adanya peningkatan yang signifikan pada pemahaman remaja mengenai konsep big data, jejak digital, potensi risiko siber (seperti phishing dan malware), serta tindakan praktis untuk melindungi data pribadinya. Peserta juga menunjukkan antusiasme yang tinggi dan partisipasi aktif selama kegiatan berlangsung. Pelatihan yang diselenggarakan efektif membekali remaja dengan pengetahuan dan keterampilan dasar untuk menavigasi dunia digital dengan lebih aman dan bertanggung jawab, sekaligus meningkatkan kesadaran remaja akan pentingnya menjaga privasi data di tengah masifnya arus informasi.
Genetic Algorithm Optimization for Solving the Traveling Salesman Problem in the Indonesian Business Environment Siti Mutmainah; Teguh Ansyor Lorosae; Erin Eka Citra
Journix: Journal of Informatics and Computing Vol. 1 No. 2 (2025): August
Publisher : Ran Edu Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63866/journix.v1i2.14

Abstract

The Traveling Salesman Problem (TSP) is one of the combinatorial optimization problems that is highly relevant in distribution and logistics route planning. This study aims to optimize the Genetic Algorithm (GA) for solving TSP in the Indonesian business environment, which has complex geographical characteristics and diverse logistics infrastructure. The proposed approach combines dynamic parameter adaptation and regional clustering to improve convergence efficiency and solution quality. Experiments were conducted on the distribution route data of an Indonesian logistics company with three scenarios: conventional GA, adaptive GA, and clustering-based GA. Performance evaluation was based on total travel distance, computation time, solution stability, and convergence rate. The results show that adaptive AG produces the best performance, with a reduction in total travel distance of up to 20% more efficient, faster convergence time (95 iterations compared to 120 iterations in conventional AG), and solution stability reaching 90.6%. These findings indicate that parameter adaptation in AG can significantly improve the effectiveness of TSP optimization in the Indonesian business context. The contribution of this research not only strengthens the development of adaptive metaheuristic algorithms but also provides practical benefits for the logistics industry in designing more efficient, cost-effective, and sustainable distribution routes.
Perancangan Sistem Informasi Pencari Kerja Pada Dinas Tenaga Kerja Dan Transmigrasi Kabupaten Kep. Sula Propinsi Maluku Utara Menggunakan Visual Basic.Net Irwansya; Sahrul Ramadhan; Teguh Ansyor Lorosae
Jurnal MediaTIK Volume 7 Issue 2, Mei (2024)
Publisher : Jurusan Teknik Informatika dan Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/mediatik.v7i2.1304

Abstract

Sistem yang digunakan Pada Dinas Tenaga Kerja Dan Transmigrasi Kabupaten Kepulauan Sula Propinsi Maluku Utara sekarang ini hanya mencetak kartu kuning Antar kerja 1 (AK I) sedangkan Pendataan pencari kerja saat ini masih menggunakan Microsoft Exel untuk pengisian biodata pencari kerja masih di catat di dalam pembukuan yang menggunakan sistem manual dan ini biasanya mengakibatkan kurang terkoordinirnya data pencari kerja sehingga mengalami keterlambatan dalam pembuatan laporan dan pelayanan kepada pencari kerja. Metode penelitia a). Penelitian ini menggunakan Object Oriented Analysis Desain (OOAD) dimana pendekatan yang dilakukan untuk mengembangkan suatu sistem yang baru dan responsif terhadap lingkungan yang sering berubah dan pemodelan Unified Modeling Languange (UML) merupakan salah satu alat bantu yang sangat handal di dunia analis dan perancangan sistem informasi yang berorientasi obyek (Object Oriented). b) Penelitian Lapangan yaitu penelitian dilakukan dengan melakukan survei langsung pada Dinas Tenaga Kerja dan Transmigrasi Kabupaten Kepulauan Sula Provinsi Maluku Utara. C) Observasi, yaitu mengadakan pengamatan langsung terhadap Dinas Tenaga Kerja dan Transmigrasi tentang proses yang sedang berjalan. Hasil : Pada sistem yang lama proses pendataannya dengan dua metode, yang pertama dengan menggunakan software IPK Versi.1 dan yang ke dua menggunakan Microsft Exel. Dalam proses perancangan yang dilakukan dengan menggunakan sistem yang baru hanya sekali penginputan data pencari kerja, dimana sistem yang baru ini menggunakan Microsoft Visual Basic.Net yang menggabungkan dua metode penginputan data pada sistem yang lama menjadi satu kali penginputan data pencari kerja. Hasil penginputan data pencari kerja pada sistem yang lama dalam satu hari bisa mencapai sekitar 100 orang atau 10% dari 1000 orang. Sedangkan sistem yang baru penginputan data dalam satu hari bisa mencapai sekitar 200-300 orang atau 20%-30% dalam 1000 orang. Pengolahan data inforamasi pada system yang baru dan pembuatan laporannya dapat mengatasi kelemahan dan kekuarangan pada sistem yang lama sekitar 10%.
Integration of Fuzzy Logic and Neural Networks for Explainable Early Diagnosis of Rice Plant Diseases Lorosae, Teguh Ansyor; Jannah, Miftahul; Mutmainah, Siti; Fathir; Mustafidah, Hilyatul
Journix: Journal of Informatics and Computing Vol. 1 No. 3 (2025): December
Publisher : Ran Edu Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63866/journix.v1i3.21

Abstract

Early diagnosis of rice leaf diseases remains challenging due to subtle symptom manifestation, uncontrolled illumination, heterogeneous backgrounds, and the limited interpretability of purely data-driven models. This study proposes an explainable hybrid framework integrating a Mamdani Fuzzy Inference System (FIS) with an Artificial Neural Network (ANN) for early rice leaf disease diagnosis under real-field conditions. The framework combines engineered symptom descriptors extracted from segmented leaf regions (GLCM texture and HSV color features), acquisition-time environmental measurements, and a fuzzy-derived disease severity cue to mitigate symptom ambiguity while preserving rule-based interpretability. Experiments were conducted on 8,000 field-acquired rice leaf images collected from multiple locations, covering Healthy, bacterial leaf blight, brown spot, and leaf smut classes. Evaluation followed a leakage-controlled, location-disjoint protocol. Across five independent runs, the proposed FIS–ANN achieved an average accuracy of 91.3 ± 0.6% and a macro-F1 score of 90.8 ± 0.7%, significantly outperforming a feature-based ANN and a fine-tuned ResNet-18 baseline (paired McNemar test, p < 0.05). Per-class analysis shows consistent recall improvements for visually overlapping diseases, and additional evaluation on mild-severity samples confirms maintained sensitivity at early disease stages. Field deployment experiments using smartphone-acquired images from unseen locations further demonstrate robust generalization with low on-device inference latency. These results indicate that integrating fuzzy severity reasoning into a lightweight neural classifier provides a practical balance between performance, interpretability, and computational efficiency, supporting early disease screening and mobile decision-support applications in precision agriculture.
Multi-Scale Convolutional Neural Network-Based Classification of Tuberculosis Chest X-ray Images M Ridwan; syafrudin _; Sahrul Fauzan Djiaulhaq; Siti Mutmainah; Teguh Ansyor Lorosae
Indonesian Applied Research Computing and Informatics Vol. 1 No. 2: December (2025)
Publisher : PT. Teras Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64479/iarci.v1i2.60

Abstract

Tuberculosis (TB) is an infectious disease caused by the bacterium Mycobacterium tuberculosis, which mainly attacks the lung organs. One of the most commonly used methods of TB diagnosis is thorax X-ray imaging. The images of the examination results are visually analyzed by medical personnel to identify certain patterns or characteristics that indicate TB disease. However, the manual analysis process takes time and depends on the doctor's experience. Therefore, this study utilizes Artificial Intelligence (AI) technology as a diagnostic tool to provide alternative solutions that are faster and more efficient in determining TB status in patients. This study proposes the use of the Multi-Scale Convolutional Neural Network (CNN) method to classify tuberculosis disease based on thorax X-ray images. The data used was in the form of lung X-ray images that acted as inputs at the image processing stage. The dataset collected consisted of 790 images divided into two classes, namely normal lungs and lungs indicated by tuberculosis. The CNN architecture includes three convolutional layers with a kernel size of 3×3, three max pooling layers  of 2×2, and one fully connected layer with a softmax activation function. Each convolutional layer uses 128 filters, and the model learning process is optimized using the Adam Optimizer algorithm. The training process was carried out for 15 epochs and resulted in an accuracy rate of 81%. Furthermore, at the model evaluation stage, an accuracy of 79% was obtained, indicating that the proposed method has sufficient performance in classifying tuberculosis disease.