Article Per Year (5 Year)
p-Index From 2020 - 2025
0.92
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Rafi Muttaqin, Muhammad
Unknown Affiliation
Computer Science & IT

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

Found 5 Documents
Search

 1 
DETEKSI JENIS SAMPAH SECARA REALTIME MENGGUNAKAN METODE SINGLE SHOT MULTIBOX DETECTOR (SSD) Pernando, Pernando; Rafi Muttaqin, Muhammad; Raymond Ramadhan, Yudhi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.6976

Abstract

Masalah sampah merupakan isu global yang banyak menjadi ancaman serius terhadap lingkungan dan kesehatan manusia. Banyak negara di dunia termasuk Indonesia masih menghadapi tantangan dalam mengelola sampah secara efektif dan efisien. Karena permasalahan tersebut, peneliti ingin membuat model objek deteksi menggunakan model dasar yaitu SSD-MobileNet V2 untuk mengklasifikasikan jenis sampah organik maupun anorganik. Meztode yang digunakan adalah Single Shot Multibox Detector (SSD) yang digunakan untuk mengolah data gambar dan Metode penelitian yang digunakan adalah CRISP-DM. Dataset dikumpulkan dengan cara primer berupa pengambilan foto langsung dari objek dan dibagi menjadi dua yaitu data train dan data test. Setelah model objek deteksi berhasil dibuat maka dilakukan pengujian dengan menggunakan gambar yang berbeda dari training maupun testing. Hasil pengujian menggunakan confusion matrix didapatkan hasil akurasi sebesar 93%.
ANALISIS SENTIMEN SISTEM E-TILANG PADA PLATFORM TWITTER MENGGUNAKAN METODE NAIVE BAYES Armand, Shella; Hafid T, Moch; Rafi Muttaqin, Muhammad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 3 (2023): JATI Vol. 7 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i3.7023

Abstract

Berita yang belakangan ini menjadi sorotan di media sosial Twitter di Indonesia adalah penerapan sistem e-Tilang, yang merupakan langkah baru dari pemerintah dalam mewujudkan Good Governance. Sistem ini diharapkan dapat mendisiplinkan para pengendara kendaraan bermotor yang sering melakukan pelanggaran berlalu lintas. Banyak masyarakat memiliki pendapat yang beragam mengenai penerapan sistem ini, ada yang setuju dan ada yang tidak setuju. Dalam penelitian ini, dilakukan analisis sentimen terhadap sistem e-Tilang atau pendapat masyarakat untuk mengelompokkan komentar-komentar tersebut menjadi kesan positif, netral, dan negatif. Algoritma Naive Bayes dipilih untuk analisis karena memiliki nilai probabilitas atau peluang tertinggi untuk pengklasifikasian data. Proses pelabelan data pada Twitter menggunakan Bahasa Pemrograman Python dan Lexicon Based dengan menggunakan tools Google Colab. Data kemudian melewati empat tahapan preprocessing, yaitu transformation, tokenizing, filtering, dan stemming. Setelah data selesai dipreprocessing, dilakukan pembobotan TF-IDF untuk mengetahui banyaknya kemunculan kata dalam setiap komentar. Hasil dari pengklasifikasian data menggunakan Algoritma Naive Bayes dievaluasi menggunakan Confusion Matrix pada tools Google Colab. Hasil evaluasi menunjukkan bahwa presisi positif sebesar 43%, presisi negatif sebesar 38%, dan presisi netral sebesar 85%. Sementara itu, recall positif sebesar 43%, recall negatif 14%, dan recall netral sebesar 95%, dengan akurasi keseluruhan mencapai 80%. Dari hasil analisis ini, dapat disimpulkan bahwa tanggapan masyarakat mengenai sistem e-Tilang yang diterapkan oleh pemerintah Indonesia cenderung netral.
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN PRIORITAS PEMBANGUNAN DESA KAMOJING MENGGUNAKAN METODE MOORA (MULTI OBJECTIVE OPTIMIZATION OF RATIO ANALYSIS) Febianti Putri, Elga; Rafi Muttaqin, Muhammad; Gito Resmi, Mochzen
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7199

Abstract

Banyaknya pembangunan yang tidak akurat dan tidak tepat sasaran, Desa Kamojing dituntut untuk melakukan pengambilan keputusan dengan seobjektif mungkin. Pembangunan yang kurang tepat ini dialami oleh Desa Kamojing karena di dalam musyawarah nya selalu ada selisih paham akibat dari perbedaan suatu pemikiran, sikap, pandangan dalam mengambil keputusan. Pembangunan yang dilakukan tidak melihat dari segi prioritas yang seharusnya lebih diutmakan dan didahulukan, sehingga seringkali terjadi penundaan pembangunan. Sistem Pendukung Keputusan (SPK) merupakan salah satu alternatif dalam menentukan sebuah keputusan, sehingga penelitian ini dilakukan bertujuan untuk memudahkan dalam memilih prioritas pembangunan yang dapat dibangun nantinya. Sistem pendukung keputusan ini menggunakan metode Multi Objective Optimization On The Basis Of Ratio Analysis (MOORA), sedangkan metode pengembangan perangkat lunak yang digunakan adalah model Waterfall. Aplikasi ini dibangun menggunakan bahasa pemrograman PHP Codeigniter dengan Database Management Sistem MySQL, kemudian aplikasi ini diuji coba menggunakan pengujian BlackBox Testing. Berdasarkan Hasil Pengujian yang telah dilakukan sistem pendukung keputusan dalm menentukan prioritas pembangunan di Desa Kamojing telah berhasil dibuat, dengan adanya sistem pendukung keputusan berbasis komputer ini diharapkan dapat mempermudah dalam pengambilan keputusan dengan baik, tepat dan juga cepat, serta dapat dipertanggungjawabkan.
SISTEM DETEKSI API SECARA REAL TIME MENGGUNAKAN ALGORITMA YOU ONLY LOOK ONCE (YOLO) VERSI 8 Adi Permana, Arya; Rafi Muttaqin, Muhammad; Agus Sunandar, Muhamad
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10847

Abstract

Perkembangan teknologi yang pesat, terutama di bidang Artificial Intelligence (AI), telah membawa kemajuan dalam deteksi kebakaran. Data dari Badan Penanggulangan Bencana Provinsi Jawa Barat menunjukkan bahwa tahun 2019 hingga 2021 terdapat 607 kejadian kebakaran bangunan, dengan Kota Bandung mencatatkan 116 kejadian. Tingginya risiko kebakaran ini menunjukkan perlunya langkah preventif yang lebih efektif untuk melindungi masyarakat dan properti. Untuk mengatasi permasalahan tersebut, penelitian ini menggunakan algoritma You Only Look Once (YOLO)v8 untuk mendeteksi api di dalam ruangan. Metodologi yang diterapkan adalah CRISP-DM, mencakup tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dengan dataset 2509 citra, model ini menunjukkan performa mengesankan dalam mendeteksi api dengan akurasi 93.5%, mAP50 sebesar 90%, dan mAP50-95 sebesar 66%. Pengujian menggunakan dua jenis input, yaitu live video menggunakan webcam dan file video. Hasil dari kedua metode input menunjukkan skor confidence mulai dari 0.50 hingga 0.90, yang mengindikasikan kemampuan model mendeteksi api dengan tingkat kepercayaan tinggi. Dengan hasil ini, diharapkan risiko kerusakan akibat api yang tidak terdeteksi dapat dikurangi dan efisiensi penanggulangan kebakaran dapat ditingkatkan, memberikan kontribusi signifikan terhadap keselamatan dan perlindungan properti.
PENGELOMPOKAN DAERAH RAWAN BENCANA DI JAWA TENGAH MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING Syah Hidayat, Robiyan; Rafi Muttaqin, Muhammad; Irmayanti, Dede
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 5 (2024): JATI Vol. 8 No. 5
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i5.10880

Abstract

Provinsi Jawa Tengah, yang berlokasi di tengah Pulau Jawa, menghadapi beberapa peristiwa bencana alam seperti banjir, tanah longsor, dan gempa bumi. Berdasarkan penilaian ketahanan secara menyeluruh, Provinsi Jawa Tengah memiliki Indeks Ketahanan Daerah sebesar 0,76, yang menunjukkan tingkat kapasitas daerah yang sedang. Oleh karena itu untuk mengurangi efek negatif dari bencana, otoritas daerah Provinsi Jawa Tengah harus mengoptimalkan komitmen, kebijakan, dan kegiatan penanggulangan bencana alam. Selama 10 tahun terakhir, Provinsi Jawa Tengah menghadapi ancaman serius khususnya bencana alam yang salah satunya berupa bencana tanah longsor yang paling sering terjadi, tercatat sebanyak 3.022 kasus, banjir 1.366 kasus, serta 262 kasus gempa bumi yang tercatat. Untuk menghadapi tantangan ini, penting memahami daerah rawan bencana dengan pendekatan data mining. Penelitian ini menggunakan algoritma k-means clustering untuk pengelompokan data. Untuk menentukan jumlah cluster optimal, digunakan Silhouette Coefficient sebagai metode evaluasi. Data bersumber dari Badan Pusat Statistik Provinsi Jawa Tengah dan data diolah dengan melibatkan Google Colaboratory. Pengujian dilakukan dengan membentuk cluster sebanyak 4 untuk mencari evaluasi pengujian Silhouette Coefficient terbesar. Diketahui bahwa n_cluster 2 mendapatkan nilai 0.6373590606168947, dengan hasil cluster 0 terdiri dari 3 kabupaten yang memiliki indeks daerah bencana tinggi dan cluster 1 terdiri dari 32 kabupaten/kota yang memiliki indeks daerah bencana rendah.
Co-Authors Adi Permana, Arya Agus Sunandar, Muhamad Armand, Shella Dede Irmayanti Febianti Putri, Elga Hafid T, Moch PERNANDO, Pernando Raymond Ramadhan, Yudhi Resmi, Mochzen Gito Syah Hidayat, Robiyan