Article Per Year (5 Year)
p-Index From 2021 - 2026
4.818
P-Index
This Author published in this journals
All Journal Jurnal Nasional Komputasi dan Teknologi Informasi Technologia: Jurnal Ilmiah JATI (Jurnal Mahasiswa Teknik Informatika) Media Informatika Journal of Computer Networks, Architecture and High Performance Computing Jurnal Responsif : Riset Sains dan Informatika Jurnal Sains Manajemen INTERNATIONAL JOURNAL OF MECHANICAL COMPUTATIONAL AND MANUFACTURING RESEARCH Malcom: Indonesian Journal of Machine Learning and Computer Science SisInfo : Jurnal Sistem Informasi dan Informatika Innovative: Journal Of Social Science Research TGO Journal of Community Development Journal of International Multidisciplinary Research Jurnal Intelek Dan Cendikiawan Nusantara Technologia Journal Jurnal Sains, Teknologi dan Kesehatan Jurnal Informatika dan Kesehatan Journal of Public Health Indonesian Journal of Public Health Indonesian Technologia Journal JuSTISe: Journal Data Science, Technology, Informatics and Security Journal of Social Science Utilizing Technology
Agung Rachmat Raharja
Universitas Bandung
Aerospace Engineering Arts Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Health Professions Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mechanical Engineering Medicine & Pharmacology Neuroscience Public Health Social Sciences Transportation Other

Published : 35 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search

 1   2   3   4 
Analysis of Storage Spaces to Support the Health Service System at Santosa Hospital Bandung Central in 2021 Tiny Rahayu; Encep Yayat; Agung Rachmat Raharja
Journal of Public Health Indonesian Vol. 1 No. 1 (2024): MEI-JHH
Publisher : PT. Anagata Sembagi Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62872/wexm1x97

Abstract

One of the health services provided by the hospital is the medical record service. The implementation of good medical file storage through systematic procedures is one of the keys to the success of health service, it is also one of this study was to determine the medical record storage space, the obstacles that occurred, and the effort made in the storage room at the Santosa Hospital Bandung Central. The research method used is descriptive qualitative research, by describing the relevant data. Data collection techniques in the form of interviews and document studies. From the results of the study it can be said that the layout and environment for storing medical records at Santosa Hospital Bandung Central is appropriate, the number of visits that continues to increase is not comparable to the medical record storage space contained in the storage room, the use of medical records is an effort made by Santosa Hospital Bandung Central. The use of electronic medical records overcomes problems in the storage space so as to minimize disruption of health services provided by the Santosa Hospital Bandung Central to patients.
PREDIKSI HARGA SAHAM BBCA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY DAN GATED RECURRENT UNIT Hariyanti, Ifani; Putra, Vito Hafizh Cahaya; Raharja, Agung Rachmat
Jurnal Responsif : Riset Sains dan Informatika Vol 7 No 1 (2025): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v7i1.1901

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham PT Bank Central Asia Tbk (BBCA) menggunakan model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Data harga saham diambil dari Yahoo Finance (2010–2023) sebanyak 3.464 data, mencakup atribut Tanggal, Open, High, Low, Close, Adj Close, dan Volume. Data diproses menggunakan MinMax Scaler sebelum pelatihan model. Model dievaluasi menggunakan MAE, RMSE, dan MAPE untuk mengukur performa prediksi. Hasil penelitian menunjukkan bahwa GRU lebih unggul dibandingkan LSTM dalam memprediksi harga saham BBCA, dengan akurasi prediksi yang lebih mendekati nilai aktual. Dari hasil eksperimen pelatihan model menggunakan dataset harga saham BBCA harian dengan berbagai kombinasi hyperparameter yang ditetapkan, ditemukan bahwa model dengan metrik evaluasi terendah adalah model LSTM dengan batch size 64 dan epoch 20. Model ini memberikan nilai MAE sebesar 158.508342, RMSE sebesar 208.687816, dan MAPE sebesar 2.248164%. Temuan ini diharapkan berkontribusi pada pengembangan analisis keuangan di Indonesia.
Klasifikasi Penyakit Periodontal Pada Citra Panoramik Gigi Menggunakan Deep Learning Berbasis ResNet50 Dodi Syaripudin; Encep Yayat; Jayadi Jayadi; Agung Rachmat Raharja
SisInfo Vol 7 No 1 (2025): SisInfo
Publisher : Universitas Informatika dan Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37278/sisinfo.v7i1.1063

Abstract

This study aims to develop and evaluate a deep learning-based classification model to detect periodontal and non-periodontal diseases from dental panoramic x-ray images. The dataset used consists of panoramic images processed through a data augmentation process to increase diversity, then divided into training, validation, and testing subsets to ensure the generalization ability of the model. A transfer learning model with ResNet50 architecture was applied to utilize the optimal feature extraction capability of the medical image data. The evaluation results show that the model can distinguish between the two classes with fairly good performance, although there are indications of class bias that require further refinement. Several steps such as dataset balancing, model fine-tuning, and additional data augmentation are recommended to improve generalization and prediction accuracy. With further validation, the model is expected to become an efficient and accurate tool to support clinical analysis in periodontal disease diagnosis. Translated with DeepL.com (free version)
OPTIMALISASI MANAJAMEN SDM BERBASIS AI: DAMPAK PADA EFISIENSI DAN PENGAMBILAN KEPUTUSAN ORGANISASI Drajat, Devi Yuniati; Sandini, Dwi; Hariyanti, Ifani; Raharja, Agung Rachmat
Jurnal Sains Manajemen Vol 7 No 1 (2025): Jurnal Sains Manajemen (In press)
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jsm.v7i1.1790

Abstract

Penelitian ini bertujuan untuk mengeksplorasi dampak implementasi teknologi berbasis kecerdasan buatan (AI) pada manajemen sumber daya manusia (SDM), khususnya terhadap efisiensi operasional dan pengambilan keputusan organisasi. Data dikumpulkan melalui metode survei dan wawancara semi-terstruktur yang melibatkan 30 responden dari berbagai organisasi yang telah menerapkan teknologi AI. Hasil survei dianalisis menggunakan statistik deskriptif dan inferensial, sementara data wawancara dianalisis secara tematik untuk mendalami tantangan dan peluang implementasi AI. Hasil penelitian menunjukkan bahwa teknologi AI secara signifikan meningkatkan efisiensi operasional, dengan pengurangan beban kerja manual hingga 50% pada beberapa proses seperti rekrutmen dan evaluasi kinerja. Selain itu, AI juga berkontribusi pada pengambilan keputusan yang lebih akurat dan objektif, meskipun terdapat tantangan seperti kurangnya pelatihan teknis dan biaya implementasi yang tinggi. Uji validitas dan reliabilitas instrumen penelitian menghasilkan nilai yang tinggi, menunjukkan bahwa data yang diperoleh dapat diandalkan. Penelitian ini merekomendasikan peningkatan pelatihan teknis dan transparansi sistem AI untuk memaksimalkan potensi teknologi ini dalam manajemen SDM
Analisis Alur Pendaftaran Pasien Rawat Jalan pada Masa Pandemi Covid-19 di Puskesmas Sarijadi Maulinnisaa Tiur R.N; Encep Yayat; Agung Rachmat Raharja
Jurnal Informatika dan Kesehatan Vol. 1 No. 2 (2024): IKN : Jurnal Informatika dan Kesehatan
Publisher : Universitas Ngudi Waluyo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35473/ikn.v1i2.3111

Abstract

Health center services have made many changes to anticipate the potential increase in Covid-19 cases. In addition to services in virtual form, direct services to the community are also carried out by complying with established health protocols. Outpatient Registration is a functional unit that handles the admission of patients receiving outpatient treatment at the puskesmas. Problems that arise related to the outpatient registration process are the lack of public knowledge with the renewal of the registration flow during the Covid- 19 period using a hotline or online examination and taking drugs directly to the puskesmas at a time determined by the doctor. The purpose of this study was to identify the outpatient registration flow before, during and differences in the flow during the covid-19 pandemic. This study uses qualitative methods in the form of words with descriptive research. The subjects in this study were taken using a purposive sampling method with the main informants being the Head of the Public Health Center and the Head of Subsection TU. Based on this research, there are differences in the outpatient registration flow before and during the pandemic, where before the pandemic the patient did an examination directly at the puskesmas, during a pandemic the flow used is a hotline or consultation to conduct online consultations.   ABSTRAK Pelayanan puskesmas telah banyak melakukan perubahan untuk mengantisipasi potensi peningkatan kasus Covid-19. Selain pelayanan dalam bentuk virtual, pelayanan langsung kepada masyarakat juga dilaksanakan dengan memenuhi protokol kesehatan yang telah ditetapkan. Pendaftaran Rawat Jalan merupakan unit fungsional yang menangani penerimaan pasien yang berobat rawat jalan di puskesmas. Permasalahan yang timbul berkaitan dengan proses alur pendaftaran pasien rawat jalan ialah kurangnya pengetahuan masyarakat dengan adanya pembaharuan alur pendaftaran pada masa covid-19 menggunakan hotline atau pemeriksaan secara online dan pengambilan obat langsung ke puskesmas dengan waktu yang telah ditentukan dokter. Tujuan penelitian ini untuk mengidentifikasi alur pendaftaran rawat jalan sebelum, saat dan perbedaan alur saat pandemi covid-19. Penelitian ini menggunakan metode kualitatif dalam bentuk kata dengan penelitian deskriptif. Subjek dalam penelitian ini diambil dengan menggunakan metode purposive sampling dengan informan utama ialah Kepala Puskesmas dan Ka Subbag TU. Berdasarkan penelitian ini terdapat perbedaan pada alur pendaftaran rawat jalan sebelum dan saat pandemi dimana sebelum pandemi pasien melakukan pemeriksaan langsung di puskesmas, saat pandemi alur yang digunakan ialah hotline atau konsultasi melakukan konsultasi secara online.
Enhanced Plant Disease Detection Using Computer Vision YOLOv11: Pre-Trained Neural Network Model Application Al Husaini, Muhammad; Rachmat Raharja , Agung; Cahaya Putra , Vito Hafizh; Lukmana, Hen Hen
Journal of Computer Networks, Architecture and High Performance Computing Vol. 7 No. 1 (2025): Article Research January 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/cnahpc.v7i1.5146

Abstract

This study investigates the application of YOLOv11, a cutting-edge deep learning model, to enhance the detection of plant diseases. Leveraging a comprehensive dataset of 737 images depicting tomato leaves affected by various diseases, YOLOv11 was trained and evaluated on key performance metrics such as precision, recall, and mAP. Experimental results the model was trained and evaluated on key metrics including accuracy (75.6%), precision (0.80), recall (0.77), and mAP@0.5 (75.6%). Experimental through base architectural such as enhanced feature extraction with C2 modules, improved multi-scale detection using SPPF layers, and optimized non-maximum suppression techniques. These improvements enable the model to achieve stable precision and recall for each class, even in challenging scenarios with overlapping objects and diverse environmental conditions. By addressing practical usability challenges, this system offers a scalable, accessible, and impactful solution for precision agriculture, paving the way for sustainable with this pretrained model. This study underscores the potential of deep learning-based models, particularly YOLOv11, in transforming the way monitoring and disease management are approached, demonstrating its ability to stable accuracy and operational efficiency in real-world applications. Furthermore, the practical usability of the YOLOv11-based system addresses challenges in the domain of precision plant detection desease. By providing a scalable, accessible, and highly efficient solution, the model offering a significant advancement toward sustainable agricultural practices.
Penggunaan Computer Vision untuk Menghitung Jumlah Kendaraan dengan Menggunakan Metode SSD (Single Shoot Detector) Sutisna, Tori; Raharja, Agung Rachmat; Solihin, Solihin; Hariyadi, Eko; Cahaya Putra, Vito Hafizh
Innovative: Journal Of Social Science Research Vol. 4 No. 2 (2024): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v4i2.10071

Abstract

Pengguna kendaraan di Indonesia semakin meningkat setiap tahunnya, hal ini menjadikan setiap ruas jalan raya macet karena tidak adanya sistem cerdas yang menghitung jumah kendaraan, baik yang masuk ataupun keluar jalan. Dengan adanya sistem cerdas ini memudahkan untuk menghitung kendaraan yang lewat dan dengan adanya sistem ini memudahkan para petugas di jalan raya untuk memantau kendaraan dan dapat di hitung sampai dengan ambang batas kendaraan sesuai dengan yang sudah melewati salah satu jalan. Hal ini memudahkan petugas di jalan raya untuk mengatur lalu lintas atau bisa mengurai kendaraan, sehingga pada satu titik jalan tersebut tidak akan macet dan bisa memakan waktu hingga lama.
PERANCANGAN DAN IMPLEMENTASI CALIFORNIA BEARING RATIO (CBR) DENGAN MENGGUNAKAN C# DAN ARDUINO Raharja, Agung Rachmat; Setiyono, Riyanto; Hariyanti, Ifani
Jurnal RESPONSIF: Riset Sains & Informatika Vol 6 No 1 (2024): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v6i1.1425

Abstract

California Bearing Ratio (CBR) adalah suatu cara (metode) untuk menentukan nilai daya dukung suatu tanah dalam menahan atau memikul beban-beban yang bekerja pada tanah, yaitu beban-beban yang bekerja pada permukaan jalan. Untuk mengetahui beban tanah biasanya di lakukan pada sebuah alat uji CBR pada lab, selain itu hasil perolehan yang di dapatkan dari uji tersebut masih manual dan tidak dapat disimpan ke dalam komputer, dengan adanya aplikasi CBR ini hasil yang di dapatkan dapat disimpan ke dalam sebuah komputer dan dapat dilihat berulang sesuai dengan kebutuhan. Metode penelitian yang digunakan adalah R&D dan menghasilkan sebuah produk yaitu software dan hardware. Perangkat lunak menggunakan C# dan perangkat kerasnya menggunakan Arduino. Dengan menggunakan aplikasi ini operator hanya memasukkan data yang sudah di siapkan pada aplikasi dan secara otomatis akan menghasilkan nilai yang dapat dilihat oleh operator, selain itu terdapat grafik yang dapat dilihat dan hasilnya disimpan ke dalam komputer dan hasil ini berupa file excel dan PDF. Hardware menggunakan arduino untuk menyambungkan ke dalam mekanik. Dengan adanya aplkasi ini pencarian perhitungan CBR menjadi terkomputerisasi.
PREDIKSI HARGA SAHAM BBCA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY DAN GATED RECURRENT UNIT Hariyanti, Ifani; Putra, Vito Hafizh Cahaya; Raharja, Agung Rachmat
Jurnal RESPONSIF: Riset Sains & Informatika Vol 7 No 1 (2025): Jurnal Responsif : Riset Sains dan Informatika
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/jti.v7i1.1901

Abstract

Penelitian ini bertujuan untuk memprediksi harga saham PT Bank Central Asia Tbk (BBCA) menggunakan model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Data harga saham diambil dari Yahoo Finance (2010–2023) sebanyak 3.464 data, mencakup atribut Tanggal, Open, High, Low, Close, Adj Close, dan Volume. Data diproses menggunakan MinMax Scaler sebelum pelatihan model. Model dievaluasi menggunakan MAE, RMSE, dan MAPE untuk mengukur performa prediksi. Hasil penelitian menunjukkan bahwa GRU lebih unggul dibandingkan LSTM dalam memprediksi harga saham BBCA, dengan akurasi prediksi yang lebih mendekati nilai aktual. Dari hasil eksperimen pelatihan model menggunakan dataset harga saham BBCA harian dengan berbagai kombinasi hyperparameter yang ditetapkan, ditemukan bahwa model dengan metrik evaluasi terendah adalah model LSTM dengan batch size 64 dan epoch 20. Model ini memberikan nilai MAE sebesar 158.508342, RMSE sebesar 208.687816, dan MAPE sebesar 2.248164%. Temuan ini diharapkan berkontribusi pada pengembangan analisis keuangan di Indonesia.
SISTEM PENUNJANG KEPUTUSAN SELEKSI PENERIMA BANTUAN RENOVASI RUMAH MENGGUNAKAN METODE TOPSIS Dola Ramalinda; Agung Rachmat Raharja
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 1 No. 3 (2024): JUNI - JULI 2024
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Perkembangan ilmu pengetahuan dan teknologi pada saat ini banyak terjadi perubahan disegala bidang, misalnya pada dunia pemerintahan dalam mengambil suatu keputusan. Sebagai lembaga pemerintahan yang berfungsi meningkatkan pelayanan untuk mencapai kesejahteraan masyarakat. Terutama dalam proses pengambilan keputusan agar tepat sasaran dan mampu memecahkan masalah agar kinerjanya dapat lebih efisien dan terkomputerisasi. Kota Bandung merupakan daerah yang memiliki penduduk cukup besar permasalahan penentuan penerima bantuan renovasi rumah pada Dinas Sosial dan Penanggulangan Kemiskinan Kota Bandung masih terkendala dengan banyaknya data pengusulan yang masuk dan masih dilakukan secara manual dengan menggunakan lembar kertas dan memberikan penilaian secara tertulis. Untuk menyelesaikan permasalahan pada tersebut diusulkan sebuah sistem untuk menyelesaikan permasalahan pada Dinas Sosial dan Penanggulangan Kemiskinan Kota Bandung suatu sistem penunjang keputusan untuk membantu di dalam proses pengambilan keputusan dalam situasi yang semiterstruktur dan situasi yang tidak terstruktur
Co-Authors Al Husaini, Muhammad Al-Husaini, Muhammad Ali Akbar Rismayadi Ali Akbar Rismayadi, Ali Akbar Angga Pramudianto Angga Pramudianto Ari Purno Wahyu Wibowo Bambang Sucipto Cai Jixiong Devi Yuniati Drajat Dodi Syaripudin Dola Ramalinda Dola Ramalinda Drajat, Devi Yuniati Eko Hariyadi Encep Yayat Encep Yayat Erwis, Fauzi Fauzi Erwis Febrianto, Rudhi Wahyudi Ghanim Kanugrahan Hafizh Cahaya Putra, Vito Hariyanti, Ifani Husaini, Al - Ifani Hariyanti Imanita Septian Rusdianti Jayadi Jayadi Jayadi Jayadi Jayadi Jayadi Jayadi Jayadi Jixiong, Cai Karen Etania Saputra Lukmana, Hen Hen Maulinnisaa Tiur R.N Maulinnisaa Tiur R.N Muchsam, Yoki Muhammad Al-Husaini Muhammad Al-Husaini Novi Rahayu Pebrianti Panjaitan Rahayu, Novi Rismawati Rismawati Riyanto Setiyono, Riyanto Rony Sandra Yofa Zebua Sandini, Dwi Sindrawati Sindrawati Solihin Solihin Solihin Solihin Sutisna, Tori Tiny Rahayu Vito Hafizh Cahaya Putra Yudi Darsono Zebua, Rony Sandra Yofa