Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Technologia: Jurnal Ilmiah Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Muhammad Al-Husaini
Universitas Siliwangi
Agriculture, Biological Sciences & Forestry Computer Science & IT Economics, Econometrics & Finance Engineering Public Health Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
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.
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.
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 : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

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 : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

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 Hafizh Cahaya Putra, Vito Hen Hen Lukmana Heni Sulastri Irani Hoeronis Jayadi Jayadi Neng Ika Kurniati Puspareni, Luh Desi Siti Yuliyanti Solihin Solihin