Article Per Year (5 Year)
p-Index From 2021 - 2026
2.475
P-Index
This Author published in this journals
All Journal Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Jurnal Komtekinfo Jurnal Indonesia Sosial Sains Journal of Artificial Intelligence and Digital Business Jurnal Keilmuan dan Aplikasi Teknologi Industri Jurnal Keilmuan dan Aplikasi Teknologi Industri
Rifaldo Pratama
Universitas Islam Sumatera Barat
Humanities Astronomy Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Engineering Environmental Science Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Neuroscience Physics Public Health Social Sciences Other

Published : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
Perancangan Aplikasi Antrian Online pada Kantor Dinas Pendidikan dan Kebudayaan Kota Padang Rifaldo Pratama; Febby Kesumaningtyas; Firdaus; Ilham Eka Putra; Yulia Jihan Sy
Jurnal Sains dan Teknologi: Jurnal Keilmuan dan Aplikasi Teknologi Industri Vol. 26 No. 1 (2026): Regular Issue
Publisher : SEKOLAH TINGGI TEKNOLOGI INDUSTRI PADANG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36275/6hbqfj52

Abstract

Pelayanan pada Kantor Dinas Pendidikan dan Kebudayaan Kota Padang saat ini masih menghadapi kendala akibat penerapan sistem antrian yang sepenuhnya manual menggunakan buku catatan. Kondisi sistem lama ini memicu berbagai masalah krusial, seperti pencatatan data yang tidak akurat, tidak adanya bukti antrian digital yang sah, hingga sering memicu konflik antar pengunjung terkait urutan giliran. Skala dan urgensi permasalahan ini terlihat dari tingginya penumpukan fisik di ruang tunggu yang mencapai rata-rata 50–75 pengunjung per hari, serta proses penyusunan laporan harian yang tidak efisien dan memakan waktu hingga 60–90 menit setiap harinya. Untuk mengatasi kelemahan tersebut, penelitian ini bertujuan merancang dan membangun aplikasi antrean online berbasis web dengan mengimplementasikan metode First In First Out (FIFO). Pengembangan sistem dilakukan menggunakan metode System Development Life Cycle (SDLC) dengan model Waterfall. Hasil penelitian menghasilkan sebuah sistem terintegrasi yang menyediakan fitur pengambilan nomor antrean jarak jauh tanpa autentikasi, dhashboard admin dengan pemanggilan waktu nyata (real-time), serta menu unduh tiket dan laporan harian berbasis format digital. Berdasarkan pengujian terhadap 10 skenario fungsional menggunakan metode black box, sistem menunjukkan tingkat keberhasilan sebesar 100%. Implementasi sistem ini terbukti mampu meningkatkan ketertiban, transparansi, serta efisiensi kualitas pelayanan publik secara signifikan.
Edukasi Pemanfaatan Teknologi dalam Pengelolaan Sampah Botol di SMK Kesehatan Gema Nusantara Riau Marzuki, Asep; Mutiara, Sherly; Yasriady, Dedy; Cahayani Adha, Afifah; Pratama, Rifaldo
Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat) Vol 6 No 1 (2026): Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakamitra.v6i1.1558

Abstract

Kegiatan sosialisasi dan edukasi pengelolaan sampah bernilai ekonomi dilaksanakan di lingkungan sekolah SMK Kesehatan Gema Nusantara RIau dengan tujuan meningkatkan pemahaman siswa mengenai klasifikasi sampah, pemanfaatan sampah bernilai ekonomi, serta peran teknologi dalam pengelolaannya. Kegiatan diawali dengan pengisian kuesioner pre-test untuk mengukur tingkat pengetahuan awal siswa, kemudian dilanjutkan dengan penyampaian materi edukatif secara interaktif, sesi tanya jawab, dan diakhiri dengan pengisian kuesioner post-test sebagai bentuk evaluasi awal. Hasil evaluasi menunjukkan adanya peningkatan pemahaman siswa pada seluruh indikator pengetahuan yang diukur. Pemahaman mengenai jenis dan klasifikasi sampah, pentingnya pemilahan sejak sumber, serta potensi ekonomi sampah mengalami peningkatan yang signifikan setelah kegiatan edukasi. Selain itu, siswa juga menunjukkan peningkatan pengetahuan terkait fungsi bank sampah dan pemanfaatan teknologi sebagai pendukung pengelolaan sampah yang lebih efektif dan berkelanjutan. Peningkatan skor post-test dibandingkan pre-test mengindikasikan bahwa metode sosialisasi dan edukasi yang diterapkan mampu memberikan dampak positif terhadap wawasan dan kesadaran siswa. Meskipun kegiatan masih terbatas pada tahap edukasi, hasil yang diperoleh menunjukkan potensi yang besar untuk pengembangan program lanjutan berbasis praktik. Dengan demikian, kegiatan ini dapat menjadi langkah awal yang strategis dalam menumbuhkan kesadaran lingkungan dan mendorong pengelolaan sampah yang lebih bertanggung jawab di lingkungan sekolah.
Analisis Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Metode Decision Tree Cahayani Adha, Afifah; Hendriani, Sisi; Safitri Nelaz, Yolanda; Pratama, Rifaldo; Marzuki, Asep
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1556

Abstract

Banyaknya perguruan tinggi swasta di Kota Pekanbaru yang menawarkan berbagai macam jurusan. Dikarenakan banyaknya perguruan tinggi swasta yang ada, maka persaingan antar perguruan tinggi untuk menarik minat calon mahasiswa baru sangatlah ketat. Di sisi lain, jumlah lulusan Sekolah Menengah Atas (SMA) sederajat di Kota Pekanbaru setiap tahunnya relatif stabil. Kondisi ini menciptakan lingkungan persaingan yang intens di mana setiap kampus harus mampu mengidentifikasi dan menjangkau calon mahasiswa potensial dengan lebih efektif dan efisien. Pada saat ini Program Studi Sarjana 1 Informatika Universitas Awal Bros dari tahun ke tahun jumlah mahasiswa yang mendaftar ulang sangat sedikit sehingga untuk kouta 1 kelas sebanyak 30 orang tidak bisa terpenuhi. Saat ini Program Studi Sarjana 1 Informatika telah berusaha semaksimal mungkin dalam mendapatkan calon mahasiswa baru untuk dapat melanjutkan pendidikan pada Program Studi Sarjana 1 Informatika Universitas Awal Bros.. Tujuan untuk melakukan analisa data calon mahasiswa baru yang ada di Kota Pekanbaru untuk menemukan pola prediksi minat calon mahasiswa baru dalam memilih perguruan tinggi.
Pengukuran Risiko Sosial Penggunaan ChatGPT dengan Domain Risk Management COBIT 4.1 Vratiwi, Septiana; Ikhbal Salam, Riyan; Ikhsan, Ikhsan; Eka Putra, Dian; Sri Wahyuni, Widya; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1867

Abstract

Perkembangan kecerdasan buatan generatif seperti ChatGPT telah merevolusi praktik pembelajaran mahasiswa, khususnya dalam proses pencarian informasi, penyelesaian tugas akademik, dan pengambilan keputusan berbasis pengetahuan. Meskipun demikian, pemanfaatannya juga berpotensi menimbulkan risiko sosial, antara lain misinformasi, bias informasi, serta ketergantungan teknologi yang dapat berdampak pada penurunan kualitas pembelajaran. Penelitian ini bertujuan untuk mengukur tingkat risiko sosial penggunaan ChatGPT oleh mahasiswa dengan mengadopsi domain Manage Risk (PO9) dalam kerangka COBIT 4.1. Penelitian ini menggunakan pendekatan kuantitatif deskriptif melalui survei terhadap mahasiswa. Instrumen penelitian mencakup lima aspek utama, yaitu Risk Awareness, Risk Identification, Risk Assessment, Risk Response, dan Risk Monitoring. Analisis data dilakukan menggunakan maturity index dan gap analysis antara kondisi saat ini (as-is) dan kondisi yang diharapkan (to-be). Hasil penelitian menunjukkan bahwa tingkat kematangan pengelolaan risiko berada pada rentang 3,22 hingga 3,80 dengan rata-rata pada level 3 (Defined Process), sedangkan tingkat yang diharapkan berada pada level 4 (Managed and Measurable). Hasil analisis kesenjangan menunjukkan bahwa seluruh aspek masih berada di bawah target dengan nilai GAP sebagai berikut: Risk Awareness sebesar 0,72; Risk Identification sebesar 0,78; Risk Assessment sebesar 0,20; Risk Response sebesar 0,21; dan Risk Monitoring sebesar 0,28. Kesenjangan terbesar terdapat pada Risk Identification, sedangkan yang terkecil pada Risk Assessment. Temuan ini menunjukkan bahwa mahasiswa memiliki tingkat kemampuan yang relatif baik dalam menilai risiko, namun masih mengalami kelemahan dalam mengidentifikasi risiko sejak tahap awal penggunaan ChatGPT. Secara keseluruhan, mahasiswa telah memiliki kesadaran terhadap risiko penggunaan ChatGPT, tetapi pengelolaan risikonya belum optimal. Penelitian ini diharapkan dapat menjadi dasar bagi institusi pendidikan tinggi dalam merumuskan kebijakan pemanfaatan kecerdasan buatan secara lebih bijak, sistematis, dan bertanggung jawab.
Implementasi CNN Model Resnet50 Klasifikasi Citra Penyakit Lumpy Skin Disease Pada Sapi Novrian, Willi; Panca Putra, Yusran; Susanto, Agus; Purnama Sari, Julia; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 1 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i1.1874

Abstract

Sektor peternakan sapi memiliki peran vital dalam ketahanan pangan nasional, namun dihadapkan pada tantangan penyakit menular seperti Lumpy Skin Disease (LSD). Penyakit ini menyebabkan kerugian ekonomi akibat penurunan produksi dan biaya perawatan. Deteksi dini sangat diperlukan untuk mencegah penyebaran yang lebih luas. Penelitian ini bertujuan untuk mengimplementasikan dan menganalisis performa Convolutional Neural Network (CNN) menggunakan arsitektur ResNet-50 untuk mengklasifikasi citra penyakit kulit LSD pada ternak sapi dibandingkan dengan sapi sehat. Dataset yang digunakan bersumber dari Kaggle, terdiri dari 324 citra sapi terinfeksi LSD dan 700 citra sehat, yang dibagi menjadi 80% data latih dan 20% data uji. Model dilatih menggunakan pendekatan transfer learning dengan dua tahap: pembekuan (freeze) seluruh layer backbone selama 20 epoch, dilanjutkan dengan fine-tuning parsial selama 40 epoch. Hasil pengujian menunjukkan bahwa model mencapai akurasi keseluruhan sebesar 93,17%, dengan macro average precision 91,86%, recall 92,53%, dan F1-score 92,18%. Model terbukti mampu membedakan citra sapi sehat dan terinfeksi dengan tingkat sensitivitas yang tinggi. Penggunaan arsitektur ResNet-50 merupakan solusi inovatif dan efektif untuk mempercepat diagnosis LSD berbasis kecerdasan buatan.
Segmentasi Pelanggan E-Commerce UMKM Indragiri Hilir Menggunakan Algoritma K-Means dan Analisis RFM Zulrahmadi; Muhammad Jibril; Pratama, Rifaldo
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 6 No 2 (2026): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v6i2.2096

Abstract

Micro, Small, and Medium Enterprises (MSMEs) in Indragiri Hilir Regency (INHIL) play a strategic role in the local economy, particularly through the marketing of local specialty products such as dodol, crackers, and syrup. However, the majority of MSME operators still face challenges in optimally utilizing historical transaction data to formulate effective and measurable marketing strategies. This study aims to design and implement a web-based e-commerce system integrated with a smart customer segmentation module using a K-Means Clustering algorithm based on the Recency, Frequency, Monetary (RFM) metric. Methodologically, transaction data is extracted from a relational database using PHP (PDO) and MySQL. To ensure clustering accuracy, the data is processed through Min-Max Scaling normalization to eliminate scale bias between high-value nominal variables and low-frequency ones. The algorithm then calculates Euclidean distances to objectively group customers into three distinct segments. The system’s key advantage lies in its dynamic labeling mechanism (intelligent labeling), which automatically names clusters based on customer value scores, resulting in clear categories: “Loyal/Royal,” “Potential,” and “Needs Attention.” System testing results show that this platform successfully processes and visualizes customer data in real-time through an interactive and responsive analytics dashboard. This implementation not only modernizes the user interface but also provides concrete data-driven insights for business managers. Consequently, SME administrators can design personalized promotional strategies, improve customer retention, and significantly optimize revenue, while also serving as a practical reference for accelerating the digital transformation of SMEs in rural areas.
Co-Authors Abrar Hadi Agus Susanto Asep Marzuki Aulia, Wizra Azira Pertiwi Cahayani Adha, Afifah Dedy Yasriady Dhio Saputra Dzaki, Naufal Eka Putra, Dian Febby Kesumaningtyas Firdaus Firdaus , Firdaus Firdaus Firdaus Handayani, Reti Ikhbal Salam, Riyan Ikhsan Ikhsan Ilham Eka Putra Jibril, Muhammad Jihan Sy, Yulia Julia Purnama Sari Novrian, Willi Panca Putra, Yusran Pertiwi, Azira Sherly Mutiara Sisi Hendriani Sri Wahyuni, Widya Suci Ramadhani, Suci Vratiwi, Septiana Yolanda Safitri Nelaz Yulia Jihan Sy Zulrahmadi