Article Per Year (5 Year)
p-Index From 2021 - 2026
2.57
P-Index
This Author published in this journals
All Journal METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Journal of Computer Networks, Architecture and High Performance Computing Jurnal Teknik Informatika (JUTIF) Yayasan Cita Cendikiawan Al Khwarizmi JUSTIN (Jurnal Sistem dan Teknologi Informasi) Data Sciences Indonesia (DSI)
Lukmana, Hen Hen
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

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

Found 16 Documents
Search

 1   2 
ENSEMBLE MACHINE LEARNING WITH NEURAL NETWORK STUNTING PREDICTION AT PURBARATU TASIKMALAYA Al-Husaini, Muhammad; Lukmana, Hen Hen; Rizal, Randi; Puspareni, Luh Desi; Hoeronis, Irani
Jurnal Teknik Informatika (Jutif) Vol. 5 No. 5 (2024): JUTIF Volume 5, Number 5, Oktober 2024
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2024.5.5.2421

Abstract

This research uses an ensemble model and neural network method that combines several machine learning algorithms used in the prediction of stunting and nutritional status children in Purbaratu Tasikmalaya. This ensemble method is complemented by a combination of the prediction results of several algorithms used to improve accuracy. The data used is anthropometry-based calculations of 195 toddlers with 39% of related stunting from 501 total data in Purbaratu Tasikmalaya City; high rates of stunting this research urgent to make a stable model for prediction. The results of this study are significant as they provide a more accurate and efficient method for predicting stunting and nutritional status in children, which can be crucial for early intervention and prevention strategies in public health and nutrition. The best accuracy value for some of these categories is 98, 21% for the Weight/Age category with the xGBoost algorithm, 97.7% of the best accuracy results with the Random Forest and Decision Tree algorithms for the Height/Age category, the Weight/Height category with the best accuracy of 97.4% for the Random Forest and xGBoost algorithms, and the use of neural network models resulted in an accuracy of 99.19% for Weight/Age and Height/Age while for Weight/Height resulted in an accuracy of 91.94%..
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.
Aplikasi Cerdas Berbasis Website Prediksi Harga Emas dengan Implementasi Algoritma Smoothing Time Series Forecasting Al Husaini, Muhammad; Hermansyah, Aam; Purwayoga, Vega; Lukmana, Hen Hen; Ramadhan, Delvan
Data Sciences Indonesia (DSI) Vol. 2 No. 2 (2022): Article Research Volume 2 Issue 2, Desember 2022
Publisher : Yayasan Cita Cendikiawan Al Kharizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dsi.v2i2.1888

Abstract

Investasi emas merupakan hal yang umum dilakukan oleh masyarakat pada saat ini. Harga emas adalah salah satu hal penting yang menjadi fokus utama dalam melakukan investasi emas yang perlu akurasi ketepatan prediksi baik dalam kurun waktu minggu, hari ataupun tahun sehingga mampu memudahkan untuk menggunakan prediksi tersebut dalam berinvestasi baik untuk membeli atau menjual emas tersebut. Aplikasi berbasis web dengan implementasi algoritma time series forecasting ini dibangun untuk memudahkan dalam prediksi harga emas dengan menggunakan metode pemulusan moving average simple exponential smoothing hingga holt’s exponential dan holt’s winter’s exponential smoothing. Metode penelitian yang digunakan pada rancang bangun aplikasi berbasis web ini menggunakan metode prototype dari pengumpulan atau analisa kebutuhan sistem, membangun prototyping, mengkodekan sistem, evaluasi sistem, pengujian sistem hingga penggunaan sistem. Implementasi menggunakan algoritma pemulusan time-series forecasting yaitu menggunakan dataset yang diambil dari application programming interface (API) https://metalpriceapi.com dengan jumlah data harga emas yang digunakan sejumlah 872 data yang dilakukan pengujian akurasi menggunakan mean absolute percentage error (MAPE) untuk menguji akurasi data aktual dan prediksi dari ketiga algoritma tersebut yaitu dengan menghasilkan 5,517 % untuk metode simple exponential smoothing, 4,93 % pada metode holt’s exponential smoothing, dan 2,78 % untuk holt’s winter’s exponential smoothing. Penggunaan algoritma holt’s-winter’s menghasilkan akurasi yang lebih baik dari kedua algoritma sebelumnya dengan persentase akurasi yang baik berdasarkan pengujian akurasi mean absolute percentage error dengan nilai pengujian kurang dari 5 %.
Strategi Difusi Inovasi Teknologi dan Kesehatan Dalam Peningkatan Kesadaran Kesehatan Masyarakat di Purbaratu Rachman, Andi Nur; Al Husaini, Muhammad; Lukmana, Hen Hen; Dewi, Euis Nur Fitriani; Firmadi, Sidik
Dedikasi Sains dan Teknologi (DST) Vol. 4 No. 2 (2024): Artikel Riset Nopember 2024
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v4i2.4954

Abstract

Proses globalisasi dan perkembangan teknologi telah membawa dinamika yang signifikan dalam berbagai aspek kehidupan, termasuk di bidang kesehatan. Masalah kesehatan saat ini menjadi salah satu perhatian utama di Indonesia, terutama dengan adanya tantangan untuk mendukung misi kesehatan nasional, yaitu mendorong masyarakat untuk hidup sehat dan memperluas akses terhadap pelayanan kesehatan yang berkualitas. Hal ini menjadi penting terutama di Fasilitas Kesehatan Tingkat Pertama (FKTP) seperti Puskesmas, termasuk di Puskesmas Purbaratu. Program pengabdian ini bertujuan untuk memberikan solusi inovatif berupa aplikasi kesehatan terpadu yang mengintegrasikan pendekatan *transfer learning* dalam teknologi dan kesehatan, memungkinkan adaptasi teknologi informasi yang selaras dengan kebutuhan Puskesmas sebagai fasilitas kesehatan tingkat pertama. Melalui keterlibatan aktif tenaga kesehatan dan masyarakat setempat, pengembangan aplikasi kesehatan terpadu ini diharapkan menciptakan difusi inovasi yang mempermudah masyarakat untuk menerima dan menerapkan teknologi kesehatan melalui pendekatan kolaboratif. Program ini juga merupakan langkah proaktif dalam upaya meningkatkan kualitas kesehatan masyarakat dengan fokus pada pencegahan penyakit. Program ini mengedepankan promosi kesehatan melalui edukasi Perilaku Hidup Bersih dan Sehat (PHBS) yang disampaikan melalui sistem informasi yang dirancang untuk memberikan pendidikan kesehatan secara efektif dan mudah diakses. Diharapkan, pengabdian dan penerapan aplikasi ini mampu mendukung program kesehatan di tingkat masyarakat dengan memperkuat peran Puskesmas sebagai ujung tombak pelayanan kesehatan primer di Indonesia
Pelatihan Literasi Digital, Koding, dan Kecerdasan Artifisial untuk Peningkatan Kapasitas Sekolah di Wilayah Kabupaten Tasikmalaya El Akbar, R Reza; Herwina, Wiwin; Handiman, Iman; Al Husaini, Muhammad; Lukmana, Hen Hen; Pitrianti, Siti; Asyaky, Muhammad Sidik
Dedikasi Sains dan Teknologi (DST) Vol. 5 No. 2 (2025): Artikel Pengabdian Nopember 2025
Publisher : Information Technology and Science (ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/dst.v5i2.7327

Abstract

Transformasi digital menuntut sekolah tanggap terhadap perubahan teknologi pembelajaran. Kegiatan pengabdian ini bertujuan meningkatkan literasi digital, kompetensi koding dasar, dan pemanfaatan kecerdasan artifisial (AI) bagi pendidik dan siswa di Kabupaten Tasikmalaya. Program mencakup asesmen kebutuhan, pelatihan literasi digital, pengenalan koding berbasis Scratch dan metode “unplugged”, serta pemanfaatan AI edukatif (mis. peringkasan, pembuatan bahan ajar, dan penilaian awal). Pendampingan lapangan dan project-based learning (PjBL) digunakan untuk memastikan adopsi di kelas. Luaran meliputi modul pelatihan, video tutorial, prototipe proyek ajar berbasis koding/AI, dan Rencana Tindak Lanjut (RTTL) tiap sekolah. Hasil awal menunjukkan peningkatan kepercayaan diri pendidik dalam mengintegrasikan teknologi, tersusunnya perangkat ajar digital, serta terbentuknya tim inovasi sekolah. Kegiatan ini menegaskan bahwa pendekatan bertahap, adaptif, dan berbasis proyek efektif mendorong adopsi teknologi pada satuan pendidikan dengan keterbatasan fasilitas.
PEMETAAN PREDIKSI STUNTING BERBASIS SPASIAL DENGAN MODEL CNN Lukmana, Hen Hen; Al-Husaini, Muhammad; Puspareni, Luh Desi
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 14, No 2 (2026)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v14i2.100743

Abstract

Stunting masih menjadi isu kesehatan masyarakat prioritas di Indonesia, sehingga diperlukan dukungan analitik untuk memetakan wilayah prioritas intervensi. Penelitian ini mengembangkan sistem pemetaan risiko stunting berbasis geospasial untuk Kota Tasikmalaya dengan memadukan kerangka CRISP-DM, praktik MLOps, dan model Convolutional Neural Network (CNN) dual-input yang menggabungkan citra raster dan fitur numerik. Data berasal dari 1.824 rekaman periode 2020–2023 dari 27 puskesmas melalui API Open Data, kemudian diproses melalui pembersihan, normalisasi, dan integrasi spasial. Evaluasi pada data uji menunjukkan CNN dual-input mencapai akurasi 92,05%, precision 89,19%, recall 91,03%, F1-score 90,10%, dan spesifisitas 92,73% (TP=132, FP=16, FN=13, TN=204). Untuk menilai keunggulan model secara lebih objektif, dilakukan pembandingan dengan baseline numerik: Logistic Regression (akurasi 87,40%; F1 84,46%), Random Forest (akurasi 89,32%; F1 86,69%), dan XGBoost (akurasi 90,14%; F1 87,76%). Hasil menunjukkan integrasi informasi spasial dan numerik meningkatkan kestabilan deteksi dibanding baseline numerik. Sistem kemudian disajikan dalam peta interaktif berbasis Streamlit untuk mendukung pengambilan keputusan. Namun, studi ini terbatas pada data sekunder dari satu kota dan bergantung pada kualitas pelaporan, sehingga validasi lintas wilayah serta evaluasi spasial-temporal diperlukan sebelum penerapan yang lebih luas..
Co-Authors Agung Rachmat Raharja Al Husaini, Muhammad Al-Husaini, Muhamad Al-Husaini, Muhammad Al-Husaini, Muhammad Alhusaini, Muhamad Asyaky, Muhammad Sidik Dewi, Euis Nur Fitriani El Akbar, R Reza Hafizh Cahaya Putra, Vito Handiman, Iman Hermansyah, Aam Herwina, Wiwin Irani Hoeronis Nurrohman, Agni Pitrianti, Siti Purwayoga, Vega Puspareni, Luh Desi Rachman, Andi Nur Ramadhan, Delvan Rizal, Randi Sidik Firmadi, Sidik