Garuda - Garba Rujukan Digital

Expert System for Skin Disease Diagnosis Using the Best First Search Method and Fuzzy Tsukamoto Fahry, Fahry; Adam, M. Awaludin; Hidjah, Khasnur; Azwar, Muhammad; Hairani, Hairani
Journal of Electrical Engineering and Computer (JEECOM) Vol 7, No 1 (2025)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v7i1.10981

The skin is the largest organ and is vulnerable to various diseases, which can spread through direct contact or the environment. Skin diseases are among the ten most common conditions in outpatient care in Indonesia, often caused by poor hygiene and environmental exposure. The limited number of dermatologists makes diagnosing and treating skin diseases more challenging. This study develops an expert system for diagnosing skin diseases using the Best First Search method and Fuzzy Tsukamoto, serving as an alternative or complement to medical diagnosis. Best First Search prioritizes diagnoses based on predefined rules, while Fuzzy Tsukamoto adds flexibility in assessing disease severity. Testing shows that the system achieves an accuracy of 83.3%, demonstrating its potential to assist patients and medical professionals in improving diagnostic efficiency and healthcare quality for skin diseases.

Classification of Learning Styles of Junior High School Students Using Random Forest & XGBoost Algorithm Christine Eirene; Dian Syafitri; Neny Sulistianingsih; Khasnur Hidjah; Hairani Hairani
Jurnal Bumigora Information Technology (BITe) Vol. 7 No. 1 (2025)
Publisher : Universitas Bumigora

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/bite.v7i1.4913

Background: Accurately identifying students' learning styles so that educators can adjust their teaching methods accordingly is a challenge in the field of education. However, the application of Machine Learning for learning style classification has not yet been implemented in schools in Mataram City. Objective: This study aims to classify the learning styles of students at Junior high school (SMP) Negeri 2 Mataram using Random Forest and XGBoost algorithms. Method: Data were collected through questionnaires completed by students in grades 7, 8, and 9. The results of data exploration (EDA) show data imbalance in the collected classes. Result: These results indicate that both algorithms performed well in classifying learning styles, with XGBoost showing slightly better performance. However, the accuracy obtained is not yet optimal, likely due to the limited dataset size. To address data imbalance, the SMOTE technique was applied. Initial evaluation showed that both XGBoost and Random Forest achieved an accuracy of 80%. After Hyperparameter Tuning, the accuracy of XGBoost increased to 84%, while Random Forest reached 82%. Conclusion: This study contributes to the application of Machine Learning in the education sector and highlights the need for further research to enhance model performance.

Feature Extraction in Eye Images Using Convolutional Neural Network to Determine Cataract Disease Fitra Rizki Ramdhani; Khasnur Hidjah; Muhammad Zulfikri; Hairani Hairani; Mayadi Mayadi; Ni Gusti ayu Dasriani; Juvinal Ximenes Guterres
International Journal of Engineering and Computer Science Applications (IJECSA) Vol. 4 No. 2 (2025): September 2025
Publisher : Universitas Bumigora Mataram-Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/ijecsa.v4i2.5064

The eye is one of the vital human senses and serves as the main organ for vision. One of the visual impairments that requires special attention is blindness, and cataracts are a major cause of it. A cataract is a condition in which the eye’s lens becomes cloudy due to changes in the lens fibers or materials inside the capsule. This cloudiness blocks light from entering the eye and reaching the retina, significantly interfering with vision. Early detection of cataracts is essential to prevent blindness. An efficient image-based classification model is needed for cataract detection. This study aims to test the Convolutional Neural Network (CNN) model for early cataract detection by exploring the use of several optimization algorithms: Adaptive Moment Estimation (Adam), Root Mean Square Propagation (RMSprop), Adaptive Gradient Algorithm (AdaGrad), and Stochastic Gradient Descent (SGD). The research method follows an experimental approach, where eye image datasets are trained using the same CNN architecture but with different parameter configurations. The results show that the Adam optimizer, with a data split of 70% for training, 15% for validation, and 15% for testing over 50 epochs, produced the best results, achieving accuracies of 94%, 93%, and 93%, respectively. Other optimizers performed reasonably well but could not match Adam's stability and accuracy. The implication of this research is that the choice of optimizer and hyperparameter configuration plays a crucial role in improving the performance of image-based cataract detection models.

Hybrid Deep Learning Untuk Prediksi Kunjungan Tamu Hotel Satrani, Azral; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.173

Prediksi jumlah kunjungan tamu hotel adalah aspek penting dalam pengelolaan operasional dan perencanaan strategis, terutama pasca pandemi Covid-19 yang menyebabkan fluktuasi tinggi dalam kunjungan. Holiday Resort Lombok, resort bintang empat di Senggigi, mencatat pertumbuhan kunjungan 35,20% dari 2022 hingga 2023, menunjukkan pemulihan pariwisata. Penelitian ini mengembangkan model prediksi menggunakan hybrid deep learning yang mengintegrasikan Convolutional Neural Network (CNN) untuk mengekstraksi pola spasial dan Long Short-Term Memory (LSTM) untuk menangani aspek temporal. Dataset terdiri dari 730 catatan harian kunjungan dari Januari 2022 hingga Desember 2023, dengan pelatihan model pada variasi epoch (50, 100, 150, dan 200). Hasil terbaik diperoleh pada 150 epoch, dengan Root Mean Sequare Error (RMSE) 29,55 untuk data pelatihan dan 32,23 untuk data pengujian, menunjukkan akurasi yang lebih baik dibandingkan metode tradisional. Namun, model menunjukkan potensi overfitting, memerlukan optimalisasi lebih lanjut. Model ini dapat mendukung pengambilan keputusan terkait alokasi sumber daya dan strategi pemasaran. Penelitian selanjutnya disarankan untuk mengeksplorasi ensemble learning dan integrasi variabel eksternal untuk meningkatkan ketepatan model.

Klasifikasi Bahasa Isyarat Huruf Hijaiyah Dengan GAN Dan CNN Cahaya Ardi, L. Nanda; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.174

Pembelajaran huruf hijaiyah, termasuk untuk penyandang tunarungu yang menggunakan bahasa isyarat, sangat penting untuk memahami Al-Qur'an. Namun, pengembangan sistem klasifikasi berbasis kecerdasan buatan menghadapi kendala karena jumlah data citra bahasa isyarat huruf hijaiyah terbatas. Studi ini menyarankan metode hibrida yang menggunakan Generative Adversarial Network (GAN) untuk memperluas dataset dan Convolutional Neural Network (CNN) untuk mengklasifikasikan gambar bahasa isyarat huruf hijaiyah. Dataset awal, yang terdiri dari 1.877 gambar dengan 28 kelas yang dikumpulkan dari Roboflow, diperluas menggunakan DCGAN dan augmentasi gambar. Hasil pengujian menunjukkan bahwa integrasi GAN dan augmentasi dapat secara signifikan meningkatkan akurasi klasifikasi CNN, dengan tingkat akurasi tertinggi 95%. Metode ini terbukti efektif dalam meningkatkan kinerja sistem klasifikasi dan dapat digunakan sebagai media pembelajaran interaktif untuk penyandang disabilitas, terutama tunarungu.

Hybrid Deep Learning Untuk Prediksi Kunjungan Tamu Hotel Satrani, Azral; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.173

Prediksi jumlah kunjungan tamu hotel adalah aspek penting dalam pengelolaan operasional dan perencanaan strategis, terutama pasca pandemi Covid-19 yang menyebabkan fluktuasi tinggi dalam kunjungan. Holiday Resort Lombok, resort bintang empat di Senggigi, mencatat pertumbuhan kunjungan 35,20% dari 2022 hingga 2023, menunjukkan pemulihan pariwisata. Penelitian ini mengembangkan model prediksi menggunakan hybrid deep learning yang mengintegrasikan Convolutional Neural Network (CNN) untuk mengekstraksi pola spasial dan Long Short-Term Memory (LSTM) untuk menangani aspek temporal. Dataset terdiri dari 730 catatan harian kunjungan dari Januari 2022 hingga Desember 2023, dengan pelatihan model pada variasi epoch (50, 100, 150, dan 200). Hasil terbaik diperoleh pada 150 epoch, dengan Root Mean Sequare Error (RMSE) 29,55 untuk data pelatihan dan 32,23 untuk data pengujian, menunjukkan akurasi yang lebih baik dibandingkan metode tradisional. Namun, model menunjukkan potensi overfitting, memerlukan optimalisasi lebih lanjut. Model ini dapat mendukung pengambilan keputusan terkait alokasi sumber daya dan strategi pemasaran. Penelitian selanjutnya disarankan untuk mengeksplorasi ensemble learning dan integrasi variabel eksternal untuk meningkatkan ketepatan model.

Klasifikasi Bahasa Isyarat Huruf Hijaiyah Dengan GAN Dan CNN Cahaya Ardi, L. Nanda; Krismono, Bambang; Hidjah, Khasnur
Jurnal Sistem Informasi dan Teknologi Vol 5 No 2 (2025): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v5i2.174

Pembelajaran huruf hijaiyah, termasuk untuk penyandang tunarungu yang menggunakan bahasa isyarat, sangat penting untuk memahami Al-Qur'an. Namun, pengembangan sistem klasifikasi berbasis kecerdasan buatan menghadapi kendala karena jumlah data citra bahasa isyarat huruf hijaiyah terbatas. Studi ini menyarankan metode hibrida yang menggunakan Generative Adversarial Network (GAN) untuk memperluas dataset dan Convolutional Neural Network (CNN) untuk mengklasifikasikan gambar bahasa isyarat huruf hijaiyah. Dataset awal, yang terdiri dari 1.877 gambar dengan 28 kelas yang dikumpulkan dari Roboflow, diperluas menggunakan DCGAN dan augmentasi gambar. Hasil pengujian menunjukkan bahwa integrasi GAN dan augmentasi dapat secara signifikan meningkatkan akurasi klasifikasi CNN, dengan tingkat akurasi tertinggi 95%. Metode ini terbukti efektif dalam meningkatkan kinerja sistem klasifikasi dan dapat digunakan sebagai media pembelajaran interaktif untuk penyandang disabilitas, terutama tunarungu.

PENGARUH EKONOMI DAN KEKERASAN DALAM RUMAH TANGGA TERHADAP PENINGKATAN PERKARA PERCERAIAN Herawati, Baiq Candra; Setyawan, Ari; Soraya, Siti; Hidjah, Khasnur; Wardhana, Helna
Juremi: Jurnal Riset Ekonomi Vol. 3 No. 5: Maret 2024
Publisher : Bajang Institute

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53625/juremi.v3i5.7374

Divorce is a break in the relationship or marriage bond caused by several factors such as the economy and domestic violence. The author is interested in conducting this research because he wants to know how much the economy and domestic violence affect the increase in divorce cases in Mataram City. This research method uses quantitative methods with data collection techniques, namely secondary data from the Mataram City Statistics Center Agency. Classical assumption tests and hypothesis tests were carried out. The data analysis method was carried out using multiple linear regression statistical tests. Based on the data analysis that has been carried out, it is known that the economy and domestic violence simultaneously and partially do not affect the increase in divorce.

Bibliometric Analysis of Artificial Intelligent Studies in Education and Pedagogy Susilowati, Dyah; Saputri, Dian Syafitri Chani; Ria, Reny Refitaningsih Peby; Hidjah, Khasnur
Nusantara: Jurnal Pendidikan Indonesia Vol. 4 No. 3 (2024)
Publisher : Lembaga Sosial Rumah Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/njpi.2024.v4i3-1

Purpose – Artificial Intelligent (AI) is a technology that is currently developing rapidly. The application of AI in Education (AIEd) is a study that is starting to be of interest to researchers in the field of AI and Education. The purpose of this research is to summarize studies on AIEd from 2018 to 2023 through bibliometric analysis and analyze current study progress, key points, and trends in AIEd related to pedagogy.Method – This research is a bibliometric analysis method. The data were collected from the Scopus database using R Studio software with search keywords of “Artificial Intelligence, Education, and Pedagogy”. A total of 94 articles were reviewed in this study.Findings – The results of the study show that combining the more frequently researched AI and Pedagogy topics with the less researched AIED topics can produce innovative updates and make important contributions in the field of artificial intelligence and education. Research Implications – The impact of this research can open opportunities for researchers to further explore the combination of AIED, AI, and pedagogy topics so as to enrich and expand the scope of research and encourage progress in related disciplines.

Pengembangan Sistem Pakar Menggunakan Metode Rule-Based Reasoning untuk Memprediksi Waktu Pelaksanaan Kegiatan Pertanian dan Melaut Berdasarkan Sistem Penanggalan Wariga Putradi, Angga; Hidjah, Khasnur; Sulistianingsih, Neny
CORISINDO 2025 Vol. 1 (2025): Prosiding Seminar Nasional CORISINDO 2025
Publisher : CORISINDO 2025

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30812/corisindo.v1.5529

Wariga merupakan sistem penanggalan tradisional masyarakat Suku Sasak yang digunakan untuk menentukan hari baik dalam berbagai aspek kehidupan seperti bertani, melaut, membangun rumah, dan melaksanakan ritual adat. Pengetahuan ini bersifat lokal dan umumnya hanya dikuasai oleh Maestro Wariga. Namun, keberadaan Maestro semakin langka, sehingga dibutuhkan inovasi digital untuk melestarikan dan mendokumentasikan pengetahuan tersebut. Penelitian ini bertujuan untuk membangun sistem pakar berbasis aturan (Rule-Based System) guna merepresentasikan logika penentuan hari baik secara digital, sebagaimana dilakukan Maestro Wariga. Sistem dirancang menggunakan metode IF–AND–AND–THEN berdasarkan kombinasi tanggal adat, naptu hari, dan zona wilayah. Fokus penelitian berada di wilayah Bayan, Kabupaten Lombok Utara. Pengujian dilakukan melalui perbandingan hasil sistem dengan perhitungan manual Maestro dan uji Black-Box untuk memastikan fungsionalitas sistem. Hasilnya menunjukkan bahwa sistem memiliki tingkat kesesuaian tinggi dan berjalan sesuai logika yang dirancang. Diharapkan, sistem ini menjadi media aksesibel bagi generasi muda untuk memahami Wariga sekaligus sebagai upaya pelestarian budaya lokal melalui pemanfaatan teknologi.

Title

Found 16 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 16 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 16 Documents
Search