Article Per Year (5 Year)
p-Index From 2021 - 2026
5.036
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 : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 37 Documents
Search

 1   2   3   4 
Pengembangan Model Klasifikasi Pneumonia dari Awal dengan Resnet50 (Development of A Pneumonia Classification Model With Resnet50 From Scratch) Ali Akbar Rismayadi; Ifani Hariyanti; Agung Rachmat Raharja
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 8, No 1 (2025): Februari 2025
Publisher : Program Studi Teknik Komputer, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v8i1.8815

Abstract

Abstrak - Pneumonia merupakan penyakit pernapasan yang dapat mengancam jiwa, khususnya bagi kelompok rentan seperti anak-anak dan lansia. Diagnosa pneumonia melalui citra X-ray dada memerlukan keahlian medis yang tinggi dan dapat memakan waktu. Oleh karena itu, dalam penelitian ini dikembangkan model klasifikasi pneumonia berbasis ResNet50 yang dibangun dari awal (scratch) untuk mendeteksi pneumonia secara otomatis dan akurat. Dataset yang digunakan dalam penelitian ini adalah Chest X-ray Images (Pneumonia) yang tersedia secara publik di Kaggle, yang terdiri dari dua kategori utama: Normal dan Pneumonia. Model dilatih dengan menggunakan optimizer Adam dan binary cross-entropy loss serta dievaluasi dengan berbagai metrik, seperti accuracy, precision, recall, dan F1-score. Untuk mengatasi tantangan yang dihadapi dalam pelatihan dari awal, langkah preprocessing seperti resize, normalisasi, dan data augmentation diterapkan untuk meningkatkan generalisasi model. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 95%, dengan nilai F1-score sebesar 0.95 untuk kedua kelas. Kurva ROC dengan nilai AUC sebesar 0.99 menunjukkan bahwa model memiliki kinerja klasifikasi yang sangat baik. Meskipun demikian, model masih mengalami beberapa kesalahan klasifikasi pada kasus false negatives, yang dapat diatasi dengan teknik fine-tuning lebih lanjut atau penggunaan transfer learning. Kesimpulan dari penelitian ini adalah bahwa model ResNet50 dari awal mampu memberikan performa yang baik dalam klasifikasi pneumonia, meskipun terdapat tantangan dalam keterbatasan data dan waktu komputasi yang diperlukan.Kata Kunci: Pneumonia, ResNet50, X-ray, Deep Learning, Klasifikasi Citra, Augmentasi Data. Abstract- Pneumonia is a life-threatening respiratory disease, particularly for vulnerable groups such as children and the elderly. Diagnosing pneumonia through chest X-ray images requires a high level of medical expertise and can be time-consuming. Therefore, this study aims to develop an automated and accurate pneumonia classification model based on ResNet50 built from scratch to detect pneumonia effectively. The dataset used in this research is the publicly available Chest X-ray Images (Pneumonia) from Kaggle, consisting of two primary categories: Normal and Pneumonia. The model was trained using the Adam optimizer and binary cross-entropy loss, and evaluated using various performance metrics, including accuracy, precision, recall, and F1-score. To address the challenges associated with training from scratch, preprocessing steps such as image resizing, normalization, and data augmentation were applied to enhance the model's generalization. The evaluation results indicate that the model achieved an accuracy of 95%, with an F1-score of 0.95 for both classes. The ROC curve with an AUC value of 0.99 demonstrates the model's excellent classification performance. However, the model still encounters some misclassification in false negatives, which could be improved through further fine-tuning or by utilizing transfer learning techniques. This study concludes that the ResNet50 model built from scratch can provide good performance in pneumonia classification, despite the challenges related to data limitations and computational resources.Keywords: Pneumonia, ResNet50, X-ray, Deep Learning, Image Classification, Data Augmentation.
DETEKSI DINI KESEHATAN MENTAL MAHASISWA DENGAN MACHINE LEARNING: PERBANDINGAN ALGORITMA DECISION TREE DAN RANDOM FOREST Jayadi, Jayadi; Cahaya Putra, Vito Hafizh; Raharja, Agung Rachmat; Al-husaini, Muhammad
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; Raharja, Agung Rachmat; Cahaya Putra, Vito Hafizh; Al-Husaini, Muhammad
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
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.
Penerapan Algoritma Decision Tree dalam Klasifikasi Data “Framingham” Untuk Menunjukkan Risiko Seseorang Terkena Penyakit Jantung dalam 10 Tahun Mendatang Agung Rachmat Raharja; Jayadi; Angga Pramudianto; Yoki Muchsam
Technologia Journal Vol. 1 No. 1 (2024): Tecnologia Journal-February
Publisher : Pt. Anagata Sembagi Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62872/cwgzp962

Abstract

Heart disease is one of the deadliest diseases in Indonesia and in the world, many of the sufferers do not know the risk of heart disease. This research will analyze and identify factors that will affect the risk of heart disease. With the decision tree algorithm approach which is one of the methods of machine learning that can produce predictive models based on a series of logical decisions. The application is done by classifying framingham data to assess the risk of heart disease in the next 10 years. The result is a Decision Tree model used to predict the risk of heart disease based on the Framingham dataset. The model achieved 74% accuracy on the test data
Pengaruh Kecerdasan Buatan Dalam Sistem E-Recruitment Terhadap Efektivitas Seleksi Karyawan Dwi Sandini; Ifani Hariyanti; Devi Yuniati Drajat; Agung Rachmat Raharja
Jurnal Sains Manajemen Vol. 7 No. 2 (2025): Jurnal Sains Manajemen
Publisher : LPPM Universitas Adhirajasa Reswara Sanjaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51977/5p696738

Abstract

Transformasi digital telah membawa perubahan signifikan dalam praktik manajemen sumber daya manusia, khususnya pada proses rekrutmen dan seleksi karyawan. Penerapan kecerdasan buatan (AI) dalam sistem e-recruitment menjadi inovasi strategis yang menjanjikan efisiensi dan efektivitas melalui otomatisasi penyaringan CV, pencocokan kompetensi, penggunaan chatbot, hingga evaluasi kandidat berbasis skor. Namun, di balik potensi tersebut, terdapat tantangan implementasi seperti bias algoritmik, transparansi pengambilan keputusan, dan kesiapan infrastruktur organisasi. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan AI dalam sistem e-recruitment terhadap efektivitas seleksi karyawan. Metode yang digunakan adalah pendekatan kuantitatif eksplanatori dengan menyebarkan kuesioner kepada 75 responden dari berbagai perusahaan di Indonesia yang telah mengadopsi sistem e-recruitment berbasis AI. Hasil penelitian menunjukkan bahwa semua dimensi penerapan AI berpengaruh positif dan signifikan terhadap efektivitas seleksi, meliputi kecepatan proses, akurasi pemilihan kandidat, tingkat retensi awal, dan kepuasan manajer. Penelitian ini memberikan kontribusi empiris dan praktis dalam pengembangan sistem e-recruitment yang tidak hanya efisien, tetapi juga adil dan etis dalam konteks manajemen SDM modern
Perancangan Aplikasi EMR (Electronic Medical Record) Dengan Menggunakan Kartu RFID Untuk Mencatat Data Rekam Medis Pasien Pada Puskesmas Sukajadi Bandung Agung Rachmat Raharja; Ifani Hariyanti
Journal Data Science, Technology, Informatics and Security Vol 1 No 2 (2023): Journal Data Science, Technology, Informatics and Security (Desember 2023)
Publisher : Universitas Kebangsaan Republik Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31848/justise.v1i2.3374

Abstract

One of the supports for health services is required to be better, one of which is by making EMR (electronic medical record) applications using RFID cards as a substitute for patient medical record cards. In this case this RFID card can function as patient history data, when the patient taps the RFID card, then all the history data appears entirely. Problem Identification at this stage the author identifies the problems that occur and looks for solutions needed at the Sukajadi Community Health Center in Bandung which requires a medical record application system to assist in processing patient data, medical record data and drug data at the Sukajadi Community Health Center. This research resulted in the design of a Medical Record application at the Sukajadi Health Center, Bandung City using an RFID card. b. With the record application can help activities in managing data both patients and drug data and more efficient and safer so that doctors can add or view the patient's medical record history.
Forming the Character of a Physically Healthy Young Generation Through Military Education Yoki Muchsam; Bambang Sucipto; Rismawati Rismawati; Imanita Septian Rusdianti; Agung Rachmat Raharja
TGO Journal of Community Development Vol. 1 No. 2 (2023): July - December
Publisher : Trescode Green Organization

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56070/jcd.2023.015

Abstract

This activity aims to develop the character of the young generation with good physical health through military education at Dodik Belanegara Rindam III Siliwangi, West Bandung. The methods applied include the preparation and implementation of the program, involving the entire academic community. The evaluation results show that the activity went smoothly, and the participants successfully achieved the set goals, showing improvements in physical health and character strengthening through discipline and teamwork. The discussion covers the program's success, involvement of all parties, and benefits felt by the participants. Limitations in logistics and the need for more in-depth evaluation are identified as areas for improvement. Meanwhile, suggestions for further development include the application of comprehensive evaluation methods, increased inter-institutional collaboration, and the development of a more contextual curriculum. Key findings from this study include the program's success in shaping the character and health of the younger generation, highlighting the importance of military education as a means of holistic character formation at the higher education level. These findings provide a basis for the development of similar programs in the future, with a focus on the necessary improvements to enhance their positive impact.
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.
ANALISIS ALUR PENDAFTARAN PASIEN RAWAT JALAN PADA MASA PANDEMI COVID-19 DI PUSKESMAS SARIJADI Maulinnisaa Tiur R.N; Agung Rachmat Raharja
EMPIRIS : Jurnal Sains, Teknologi dan Kesehatan Vol. 1 No. 1 (2024): EMPIRIS : Jurnal Sains, Teknologi dan Kesehatan, Maret 2024
Publisher : Lembaga Pendidikan dan Penelitian Manggala Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62335/jnm6t350

Abstract

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
Co-Authors Al - Husaini 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 Febriyanti Panjaitan Ghanim Kanugrahan Ghanim Kanugrahan Gravila Juliana 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 Solihin Solihin Solihin Solihin Sutisna, Tori Tiny Rahayu Vito Hafizh Cahaya Putra Yudi Darsono Zebua, Rony Sandra Yofa