Article Per Year (5 Year)
p-Index From 2020 - 2025
0.947
P-Index
This Author published in this journals
All Journal IJID (International Journal on Informatics for Development) Jurnal ABDI PAUD Jurnal Informatika Polinema (JIP) The Indonesian Journal of Computer Science
Muhammad Ainul Fikri
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
Klasifikasi Penyakit Jantung Menggunakan Metode Synthetic Minority Over-Sampling Technique Dan Random Forest Clasifier A. Rahim, Abdul Mizwar; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
The Indonesian Journal of Computer Science Vol. 12 No. 5 (2023): The Indonesian Journal of Computer Science (IJCS)
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v12i5.3413

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi dalam klasifikasi penyakit jantung dengan menggabungkan Synthetic Minority Over-sampling Technique (SMOTE) dan algoritma Random Forest Classifier, dengan menggunakan data pasien yang mengalami diagnosis penyakit jantung dan tidak mengalami penyakit jantung. Tahapan awal yang dilakukan yaitu mengatasi masalah ketidakseimbangan kelas dengan mengaplikasikan SMOTE untuk menghasilkan sampel sintetis dari kelas minoritas, lalu dilanjutkan pada proses normalisasi data menggunakan metode min-max normalisasi, setelah itu masuk pada proses klasifikasi menggunakan Random Forest Classifier untuk melatih model dalam melakukan klasifikasi. Hasilnya menunjukkan bahwa pendekatan ini mampu meningkatkan kemampuan model dalam mengidentifikasi kasus penyakit jantung. Evaluasi model menghasilkan akurasi yang lebih baik dibandingkan hasil yang didapatkan pada penelitian yang dilakukan sebelumnya yaitu mencapai akurasi 92%, hasil terbaik ini terjadi peningkatan 2% dari hasil akurasi yang dihasilkan penelitian sebelumnya yaitu 90%.
Analisis Keamanan Sistem Informasi Perguruan Tinggi Berbasis Indeks KAMI Fauzia Anis Sekar Ningrum; Yudha Riwanto; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
Jurnal Informatika Polinema Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i3.5154

Abstract

Keamanan informasi merupakan hal yang penting dalam lingkungan Perguruan Tinggi, baik swasta maupun negeri untuk melindungi data sensitif dan menjaga integritas serta kerahasiaan informasi. Dalam paper ini, dilakukan perbandingan manajemen keamanan informasi antara dua Perguruan Tinggi Swasta yang berada di daerah Kabupaten Banyuwangi, yaitu Perguruan Tinggi A dan Perguruan Tinggi B untuk mengukur menggunakan Indeks Keamanan Informasi (Indeks KAMI) versi 5.0. Metode penelitian yang digunakan melibatkan pengumpulan data dari kedua Perguruan Tinggi melalui survey dengan Indeks KAMI. Setelah itu, data tersebut dianalisis dan perbandingan dilakukan berdasarkan elemen-elemen KAMI yang berstandar SNI ISO 27001, meliputi Tata Kelola Keamanan Informasi, Pengelolaan Risiko Keamanan Informasi, Kerangka Kerja Keamanan Informasi, Pengelolaan Aset informasi, Teknologi dan Keamanan Informasi dan Peran TIK. Hasil penelitian menunjukkan perbedaan signifikan antara dua Perguruan Tinggi Swasta yang telah dilakukan survey. Pada Perguruan Tinggi A menunjukkan tingkat keamanan informasi dengan nilai 713 yang menunjukan indikator standar Cukup Baik yang meliputi Tata Kelola yang baik, Perlindungan Data Pribadi yang kuat, dan mengedepankan Aspek Teknologi. Sedangkan pada Perguruan Tinggi B menunjukan tingkat keamanan informasi dengan nilai 321 yang menunjukan indikator Tidak Layak standar ISO, dengan elemen yang paling kuat dalam Perguruan Tinggi B adalah kontrol keamanan Perlindungan Data Pribadi.
Sinergi Pendidikan Vokasi Dan Paud: Pelatihan Pembuatan Game Jumper Di Smk N 1 Pleret Bantul Fauzia Anis Sekar Ningrum; Ajie Kusuma Wardhana; Muhammad Ainul Fikri; Inggrid Yanuar Risca Partiwi; Yudha Riwanto
Jurnal ABDI PAUD Vol. 5 No. 2 (2024): DESEMBER
Publisher : Universitas Bengkulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33369/abdipaud.v5i2.40087

Abstract

Pendidikan vokasi memiliki peran penting dalam mencetak lulusan yang siap kerja, namun masih menghadapi tantangan ketidaksesuaian kompetensi dengan kebutuhan industri. Salah satu sektor yang membutuhkan inovasi pendidikan vokasi adalah Pendidikan Anak Usia Dini (PAUD), terutama dalam pengembangan media pembelajaran interaktif. Kegiatan pengabdian masyarakat ini bertujuan untuk meningkatkan keterampilan siswa SMK N 1 Pleret Bantul dalam pembuatan game edukatif berbasis Construct 2. Workshop ini melibatkan 30 siswa serta dosen dari Universitas Amikom, Politeknik Negeri Jember, dan Politeknik Negeri Malang. Metode yang digunakan meliputi ceramah, pelatihan langsung, serta bimbingan desain. Hasil pengabdian menunjukkan bahwa siswa memperoleh pemahaman dan keterampilan teknis dalam pembuatan game edukatif "Game Jumper", yang dirancang untuk mendukung tumbuh kembang anak PAUD. Selain itu, kegiatan ini membuka peluang kolaborasi antara siswa SMK dengan tenaga pendidik PAUD. Dengan demikian, pengabdian ini tidak hanya meningkatkan kompetensi siswa tetapi juga menunjukkan bahwa pendidikan vokasi dapat berkontribusi dalam sektor pendidikan anak usia dini, mendukung literasi digital, dan memperluas peluang kerja bagi lulusan SMK.
Improving Osteosarcoma Detection through SMOTE-Driven Machine Learning Approaches Muhammad Ainul Fikri; Ajie Kusuma Wardhana; Yudha Riwanto; Inggrid Yanuar Risca Partiwi; Fauzia Sekar Anis Sekar Ningrum; Putra, Iqbal Kurniawan Asmar
IJID (International Journal on Informatics for Development) Vol. 13 No. 2 (2024): IJID December
Publisher : Faculty of Science and Technology, UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/ijid.2024.4890

Abstract

Osteosarcoma is an aggressive and highly malignant bone cancer primarily affecting adolescents and young adults, with males being more commonly affected. Although deep learning models such as YOLO (95.73% accuracy) and VGG19 (95.25% accuracy), have demonstrated effectiveness in osteosarcoma detection, their large model sizes and extensive computational requirements limit their feasibility in resource-constrained environments. This study proposes a lightweight AI approach that optimizes osteosarcoma detection while maintaining high diagnostic accuracy, leveraging machine learning models under 5MB, manually or semi-automatically extracted features, and SMOTE for data balancing. Experimental results show that Random Forest, SVM, and XGBoost achieve accuracies of 94.70%, 94.23%, and 94.39%, respectively, closely matching the performance of YOLO and VGG19 while maintaining computational efficiency. Furthermore, the inference time for SVM is under one second (0.97s), demonstrating the speed advantage of lightweight models. These findings highlight the potential of small-size (lightweight) machine learning models to deliver high diagnostic accuracy with minimal computational requirements, providing a scalable and practical solution for early osteosarcoma detection in resource-limited settings. By balancing simplicity, efficiency, and high performance, this study establishes a new benchmark for achieving state-of-the-art results with lightweight models and paving the way for improved healthcare accessibility in underserved regions.
Segmentasi Citra Menggunakan Pendekatan Trial and Error dan Metode Otsu untuk Identifikasi Objek Yudha Riwanto; Inggrid Yanuar Risca Pratiwi; Muhammad Ainul Fikri
Jurnal Informatika Polinema Vol. 11 No. 3 (2025): Vol. 11 No. 3 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i3.7046

Abstract

Segmentasi citra merupakan tahapan penting dalam pengolahan citra digital untuk memisahkan objek dari latar belakang agar analisis visual menjadi lebih efektif. Penelitian ini membandingkan dua metode segmentasi citra, yaitu trial and error thresholding dan metode Otsu, dalam mengidentifikasi objek pada citra aurora. Dataset yang digunakan berupa citra RGB aurora yang dikonversi ke grayscale, kemudian disegmentasi menggunakan kedua metode tersebut. Metode trial and error menentukan nilai ambang secara manual berdasarkan histogram, sedangkan metode Otsu secara otomatis menghitung nilai ambang optimal dengan memaksimalkan varians antar kelas. Hasil analisis menunjukkan bahwa metode Otsu lebih unggul dengan akurasi segmentasi sebesar 92% dan waktu pemrosesan 1,2 detik, dibandingkan metode trial and error yang menghasilkan akurasi 85% dan waktu 2,5 detik. Dengan demikian, metode Otsu dinilai lebih efisien dan konsisten untuk segmentasi citra alami, meskipun masih memerlukan teknik pra-pemrosesan tambahan pada citra dengan noise tinggi.
Co-Authors Abdul Mizwar A. Rahim Ajie Kusuma Wardhana Fauzia Anis Sekar Ningrum Fauzia Sekar Anis Sekar Ningrum Inggrid Yanuar Risca Partiwi Inggrid Yanuar Risca Pratiwi Putra, Iqbal Kurniawan Asmar Yudha Riwanto