Article Per Year (5 Year)
p-Index From 2021 - 2026
6.522
P-Index
This Author published in this journals
All Journal Teknika EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi SITEKIN: Jurnal Sains, Teknologi dan Industri Jurnal Informatika dan Teknik Elektro Terapan JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Inotera Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika Jurnal Riset Informatika Komputasi: Jurnal Ilmiah Ilmu Komputer dan Matematika JSAI (Journal Scientific and Applied Informatics) Building of Informatics, Technology and Science Zonasi: Jurnal Sistem Informasi INFORMASI (Jurnal Informatika dan Sistem Informasi) Journal of Computer System and Informatics (JoSYC) Jurnal Sistem Komputer dan Informatika (JSON) JUKI : Jurnal Komputer dan Informatika Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) SINTA Journal (Science, Technology, and Agricultural) KLIK: Kajian Ilmiah Informatika dan Komputer J-Intech (Journal of Information and Technology) Jurnal Indonesia Raya Knowbase : International Journal of Knowledge in Database Malcom: Indonesian Journal of Machine Learning and Computer Science Jurnal Dehasen Mengabdi SATIN - Sains dan Teknologi Informasi Journal Of Artificial Intelligence And Software Engineering Jurnal Indonesia : Manajemen Informatika dan Komunikasi Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Muhammad Fikry
Universitas Islam Negeri Sultan Syarif Kasim Riau
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry 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 Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 56 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 56 Documents
Search

 2   3   4   5   6 
Analisis Kesiapan Infrastruktur Teknologi Informasi Rumah Sakit dalam Mendukung Layanan Digital Berdasarkan COBIT 2019 dan ITIL 4 Faresya, Natasya; Fikry, Muhammad; Asrianda, Asrianda
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 9, No 1 (2026): Februari 2026
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v9i1.10408

Abstract

Abstrak - Transformasi digital di sektor kesehatan mendorong rumah sakit untuk mengimplementasikan berbagai layanan digital guna meningkatkan kualitas pelayanan dan efisiensi operasional. Keberhasilan implementasi layanan digital sangat bergantung pada kesiapan infrastruktur teknologi informasi yang mencakup aspek tata kelola dan manajemen layanan TI. Penelitian ini bertujuan untuk menganalisis kesiapan infrastruktur teknologi informasi dalam mendukung implementasi layanan digital rumah sakit menggunakan kerangka kerja COBIT 2019 dan ITIL 4. Metode penelitian yang digunakan adalah pendekatan kualitatif dengan desain studi kasus, melalui pengumpulan data berupa wawancara, observasi, dan studi dokumentasi. Analisis dilakukan dengan memetakan kondisi eksisting infrastruktur TI rumah sakit terhadap domain dan praktik yang relevan pada COBIT 2019 serta praktik manajemen layanan pada ITIL 4. Hasil penelitian menunjukkan bahwa secara umum infrastruktur teknologi informasi rumah sakit berada pada tingkat kesiapan yang cukup untuk mendukung layanan digital, namun masih terdapat beberapa aspek yang perlu ditingkatkan, khususnya pada pengelolaan layanan, pengendalian risiko, dan penyelarasan antara TI dan kebutuhan bisnis. Penelitian ini diharapkan dapat menjadi acuan bagi manajemen rumah sakit dalam merumuskan strategi peningkatan kesiapan infrastruktur TI secara berkelanjutan.Kata kunci: Kesiapan Infrastruktur TI; Layanan Digital Rumah Sakit; COBIT 2019; ITIL 4; Abstract - Digital transformation in the healthcare sector encourages hospitals to implement various digital services in order to improve service quality and operational efficiency. The success of digital service implementation is highly dependent on the readiness of information technology infrastructure, which includes aspects of IT governance and IT service management. This study aims to analyze the readiness of information technology infrastructure in supporting the implementation of digital hospital services using the COBIT 2019 and ITIL 4 frameworks. This research employs a qualitative approach with a case study design, where data are collected through interviews, observations, and document analysis. The analysis is conducted by mapping the existing conditions of the hospital’s IT infrastructure to the relevant domains of COBIT 2019 and the service management practices of ITIL 4. The results indicate that, in general, the hospital’s information technology infrastructure demonstrates an adequate level of readiness to support digital services. However, several aspects still require improvement, particularly in IT service management, risk control, and alignment between information technology and business needs. This study is expected to serve as a reference for hospital management in formulating strategies to enhance IT infrastructure readiness in a sustainable manner. Keywords: IT Infrastructure Readiness; Digital Hospital Services; COBIT 2019; ITIL 4;
SENTIMENT CLASSIFICATION OF PUBLIC PERCEPTIONS ON RP200 TRILLION HIMBARA STIMULUS USING NAÏVE BAYES Wan Sobri Amin; Muhammad Fikry; Rahmad Abdillah; Surya Agustian
Jurnal Riset Informatika Vol. 8 No. 2 (2026): Maret 2026
Publisher : Kresnamedia Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34288/jri.v8i2.500

Abstract

The government's policy in the form of a fund stimulus of Rp200 trillion to the Himpunan Bank Milik Negara (HIMBARA) is a strategic step to maintain national economic stability and encourage real sector recovery. However, the implementation of public policy is inseparable from the response and public perception that develops on social media. This study aims to classify public sentiment towards the Rp200 trillion fund stimulus policy to Bank HIMBARA based on Instagram user comments and test the performance of the Naïve Bayes Classifier method in analyzing public policy sentiment. This study uses a quantitative approach with text mining and machine learning methods. Data in the form of 1.309 Instagram comments was collected through web scraping techniques from several online media accounts, then processed through text preprocessing and manual labeling stages into positive, neutral, and negative sentiments. Feature weighting was carried out using TF-IDF, then the data were classified using Multinomial Naïve Bayes and Complement Naïve Bayes. The results show that the Complement Naïve Bayes model achieved the best performance with an accuracy of 84%, an F1-score of 81%, and a high ROC-AUC value. These findings indicate that the majority of public sentiment toward the stimulus policy tends to be positive, and that the Naïve Bayes method is effective for social media–based sentiment analysis.
Analisis Performa Voice Recognition Pada Smart Speaker Menggunakan Metode Random Forest Yani, Muhammad; Fikry, Muhammad; Hasibuan, Arnawan; Nurdin; Munirul Ula; Husaini
Jurnal Inotera Vol. 11 No. 1 (2026): January-June 2026
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol11.Iss1.2026.ID654

Abstract

The development of Internet of Things (IoT) and artificial intelligence technology has driven the increasing use of voice user interfaces (VUI) as a more natural form of human-computer interaction. One widely used VUI implementation is voice recognition-based smart speakers. Despite its widespread adoption, voice recognition performance on smart speakers is not necessarily optimal when used in real-world conditions, particularly in far-field scenarios that are influenced by user distance, environmental noise, and system response time. This study aims to analyze and compare the voice recognition performance of Amazon Alexa smart speakers and the Interactive Speaker System as a non-vendor comparison system. Testing was conducted at varying user distances in a non-soundproof room to represent real-world operational conditions.The obtained performance data was analyzed using the Random Forest method as a classification tool due to its ability to handle multivariate data and nonlinear relationships between variables. The results showed that variations in user distance significantly affected the voice recognition performance of both systems, with a tendency for performance to decrease as distance increased. In addition, differences in system architecture characteristics also influenced the level of resilience to environmental conditions. The application of the Random Forest method also enabled the identification of dominant factors that influence the success of voice recognition. This research is expected to provide theoretical contributions in the study of voice recognition performance in far-field scenarios, as well as practical contributions as a basis for consideration in the selection and development of more reliable voice-based interaction systems in real environments.
Penerapan Semi-Supervised Deep Learning dengan AdaMatch untuk Klasifikasi Penyakit Paru-paru pada Citra X-ray Dada: Application of Semi-Supervised Deep Learning with AdaMatch for Classification of Lung Disease on Chest X-ray Image Zalwana, Hilya; Negara, Benny Sukma; Irsyad, Muhammad; Sanjaya, Suwanto; Fikry, Muhammad
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 3 (2026): MALCOM July 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i3.2811

Abstract

Penyakit paru-paru, seperti Coronavirus Disease 2019 (COVID-19) dan pneumonia, masih menjadi tantangan kesehatan yang memerlukan diagnosis cepat dan akurat. Citra chest X-ray (CXR) banyak digunakan untuk mendukung diagnosis, namun interpretasinya masih bergantung pada radiolog dan ketersediaan data berlabel. Keterbatasan data berlabel menjadi kendala dalam pengembangan model deep learning berbasis supervised learning. Penelitian ini menerapkan pendekatan semi-supervised deep learning menggunakan AdaMatch dengan DenseNet-169 untuk klasifikasi multikelas citra CXR menjadi COVID-19, Pneumonia, dan Normal. Dataset publik Mendeley Data yang digunakan terdiri atas 5.228 citra CXR, dengan pembagian 70% data pelatihan, 10% validasi, dan 20% pengujian. Tiga skenario proporsi data berlabel, yaitu 5%, 10%, dan 20%, digunakan untuk mengevaluasi performa model. AdaMatch memanfaatkan data berlabel dan tidak berlabel melalui mekanisme adaptive thresholding, distribution alignment, dan consistency regularization. Hasil terbaik diperoleh pada skenario 20% data berlabel dengan akurasi 98,19%, sensitivitas 98,23%, dan F1-score 98,24%. Performa tersebut mendekati model supervised learning pembanding yang memperoleh akurasi 98,95%, sensitivitas 98,98%, dan F1-score 98,98%. Temuan ini menunjukkan bahwa AdaMatch merupakan pendekatan semi-supervised yang efektif untuk meningkatkan klasifikasi citra CXR pada kondisi keterbatasan data berlabel.
KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KASUS TUNTUTAN 17+8 MENGGUNAKAN NAÏVE BAYES CLASSIFIER Arif Kurniawan; Muhammad Fikry; Novi Yanti; Surya Agustian
EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi Vol 16, No 1 (2026): Juni
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/expert.v16i1.4947

Abstract

Perkembangan media sosial telah mendorong munculnya berbagai opini masyarakat terhadap isu-isu publik, termasuk kasus Tuntutan 17+8 yang menjadi perhatian luas di Indonesia. Analisis sentimen menjadi pendekatan yang penting untuk mengidentifikasi kecenderungan opini masyarakat secara sistematis. Namun, data teks pada media sosial umumnya bersifat tidak terstruktur dan mengandung berbagai noise sehingga memerlukan tahapan preprocessing yang tepat sebelum dilakukan klasifikasi. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kasus Tuntutan 17+8 menggunakan metode Naïve Bayes Classifier serta mengevaluasi pengaruh tahapan preprocessing terhadap performa model melalui pendekatan ablation study. Data penelitian berupa komentar TikTok yang diproses melalui tahapan preprocessing meliputi case folding, normalisasi, stopword removal, dan stemming. Selanjutnya, fitur teks diekstraksi menggunakan TF-IDF dan diklasifikasikan menggunakan algoritma Multinomial Naïve Bayes. Hasil penelitian menunjukkan bahwa setiap kombinasi preprocessing memberikan pengaruh yang berbeda terhadap performa model. Pada dataset tambahan sebanyak 8.370 komentar, performa terbaik diperoleh pada kombinasi case folding dan normalisasi dengan akurasi 89,87% dan F1-score 91,89%. Sementara itu, pada dataset utama sebanyak 1.525 komentar, performa terbaik diperoleh pada kombinasi normalisasi dan stopword removal dengan akurasi 81,20% dan F1-score 80,31%. Hasil evaluasi menggunakan confusion matrix menunjukkan bahwa model memiliki kemampuan klasifikasi yang baik, terutama pada kelas sentimen positif. Penelitian ini membuktikan bahwa pemilihan tahapan preprocessing yang tepat berperan penting dalam meningkatkan performa klasifikasi sentimen menggunakan Naïve Bayes Classifier.
Text to Speech Bahasa Jawa dialek Solo-Jogja dengan Metode VITS Putri Syakira Wirdiani; Muhammad Fikry; Yusra Yusra; Febi Yanto; Pizaini Pizaini
TEKNIKA Vol. 19 No. 3 (2025): Teknika September 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.16294499

Abstract

Pengembangan TTS di Indonesia masih berfokus pada Bahasa Indonesia dan bahasa asing, sementara bahasa daerah seperti Jawa dialek Solo-Jogja belum banyak tersentuh, padahal memiliki banyak penutur dan nilai budaya tinggi. Penelitian ini mengembangkan model TTS untuk dialek tersebut menggunakan metode Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech (VITS). Metode ini dipilih karena kemampuannya mengintegrasikan inferensi variasional, aliran normalisasi, dan pelatihan adversarial secara end-to-end, sehingga menghasilkan suara sintetis dengan kualitas lebih alami. Dataset berisi 450 pasangan teks dan audio dari penutur asli, dibersihkan manual dan disusun dalam format LJSpeech. Sebanyak 428 data digunakan untuk pelatihan dan 22 untuk evaluasi. Model dilatih menggunakan Coqui TTS di Google Colab dengan fonemizer eSpeak. Setelah pelatihan, model terbaik digunakan untuk menyintesis 50 kalimat uji yang dinilai oleh lima penutur asli menggunakan metode MOS. Rata-rata skor yang diperoleh adalah 4,088, melampaui standar minimum 4,0. Meski begitu, masih ada kekurangan dalam kejelasan fonem dan kealamian jeda. Hasil ini menunjukkan potensi besar TTS untuk pelestarian bahasa daerah dan pengembangan teknologi serupa untuk bahasa lokal lainnya.
Co-Authors -, Yusra Abdillah, Rahmad Ahadi, Ridho Alwis Nazir Ananda, Nuari Andini, Nanda Anggraeni, Ni Ketut Pertiwi Arif Kurniawan Arnawan Hasibuan Asrianda Asrianda Ayu Fransiska Baehaqi Bahari, Bayu Dwi Prasetya Damayanti, Elok Dermawan, Jozu Detha Yurisna Dinata, Ferdian Arya Diqti, Fadillah Fauziah Eka Pandu Cynthia Eka Pandu Cynthia, Eka Pandu Eko Sumartono, Eko Elin Haerani Elin Haerani Elin Haerani Elvia Budianita Elvina Afriani Fadhilah Syafria Fakhrezi, Muhammad Dzaki Faresya, Natasya Febi Yanto Fitri Insani Fitri Insani Harahap, Nazaruddin Safaat Hasugian, Leonardo Hidayat, Rizki Husaini Ibnu Surya Iis Afrianty Inggih Permana Khaidar, Al kurnia, fitra Lestari Handayani Lola Oktavia Mei Lestari, Mei Muhammad Abdillah Muhammad Affandes Muhammad Irsyad Muhammad Ravil Muhammad Yani, Muhammad Munadila, Aura Munirul Ula Nanda Sepriadi Nazir, Alwis Nazruddin Safaat H Ndruru, Arlan Joliansa Negara, Benny Sukma Novi Yanti Nurdin Nurdin Nurdin Nurhapiza, Nurhapiza Oktavia, Lola Pizaini Pizaini Prananda, Alga Putra, Wahyu Eka Putri Mardatillah Putri Syakira Wirdiani Rahma Yunita, Rahma Rahmat Rizki Hidayat Rahmatillah, Siska Yuna Ramadanu Putra Reski Mai Candra Rinaldi Syarfianto Ritonga, Sinta Wahyuni Sagala, Ruflica Saputra, Ikhsan Dwi Sayed Omas Tutus Arifta Sayed Sofiah Surya Agustian Suwanto Sanjaya Taufik Hidayat Tiara Dwi Arista Wan Sobri Amin Yani, Muhamamd Yani, Susmi Syahfrida Yenggi Putra Dinata Yolanda, Khovifah Yossie Yumiati Yuda Zafitra Fadhlan Yusra Yusra Yusra . YUSRA YUSRA Yusra, Yusra Zalwana, Hilya Zukhruf, Muhammad Firmansyah