Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal Digital Zone: Jurnal Teknologi Informasi dan Komunikasi JIKI (Jurnal Ilmu Komputer dan Informatika) Jurnal Pengabdian Masyarakat Bangsa Jurnal Penelitian Multidisiplin Bangsa
Ruhama, Syamsi
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences

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

Found 5 Documents
Search

 1 
Pelatihan Pemanfaatan Artificial Intelligence dalam Pembelajaran di SD Global Islamic School Depok Ariestya, Winda Widya; Astuti, Ida; Ruhama, Syamsi; Hapsari, Dewi Anggraini Puspa; Adhayanti, Nurul
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 3 (2024): Mei
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i3.877

Abstract

Artificial Intelligence (AI) telah mengubah banyak aspek kehidupan, termasuk pendidikan. Sebagai fasilitator utama proses pembelajaran, guru harus memahami dan memanfaatkan AI untuk meningkatkan kualitas pembelajaran dan membuat belajar lebih menarik. Guru pada SD Global Islamic School Depok berusaha untuk mengikuti perkembangan teknologi dengan pemanfaatan tools AI yang digunakan dalam pembelajaran. Tujuan kegiatan ini adalah melakukan pelatihan atau pendampingan kepada guru dengan pemanfaatan tools AI yaitu Education CoPilot dan Google Gemini sehingga dapat mngoptimallkan kreativitas guru dalam persiapan pembelajaran baik dalam perencanaan, meningkatkan pemahaman dan pembuatan bahan ajar, evaluasi pembelajaran kepada siswa. Metode pelaksanaan yang dilakukan terdiri dari empat tahapan yaitu analisis kebutuhan, pembuatan materi pelatihan, pelaksanaan pelatihan serta evaluasi dan pelaporan. Hasil evaluasi yang dilakukan setelah pelatihan menunjukkan terjadi peningkatan pengetahuan guru 82.1% , hal  ini memberikan manfaat untuk meningkatkan kualitas pembelajaran, guru memperoleh kemampuan untuk beradaptasi dengan teknologi terkini, membantu guru untuk berinovasi dan berinteraksi secara lebih efektif dan efisien dalam proses pembelajaran.
Studi Sentimen Masyarakat terhadap PSSI di Era Erick Thohir menggunakan Algoritma Support Vector Machine (SVM) pada Media Sosial X Imaddudin, Satrio; Astuti, Ida; Ruhama, Syamsi
Jurnal Penelitian Multidisiplin Bangsa Vol. 1 No. 8 (2025): Januari
Publisher : Amirul Bangun Bangsa Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpnmb.v1i8.193

Abstract

PSSI sebagai organisasi induk sepak bola di Indonesia, memiliki peran strategis dalam pengelolaan dan pengembangan sepak bola Nasional. Penelitian ini bertujuan untuk melakukan studi sentiment masyarakat tentang PSSI di era kepemimpinan Erick Thohir melalui media sosial X dengan menerapkan metode Support Vector Machine (SVM). Data penelitian diperoleh melalui teknik data crawling, yang berhasil mengumpulkan 3.900 tweet dari platform media sosial X. Proses analisis dilakukan berdasarkan metodologi CRISP-DM, yang meliputi tahapan pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, dan penerapan. Pada tahap pengujian model, dilakukan tiga skenario pembagian data latih dan data uji dengan rasio 80:20, 70:30, dan 60:40, menggunakan dua bahasa, yaitu bahasa Indonesia dan bahasa Inggris. Hasil pengujian menunjukkan bahwa skenario terbaik tercapai pada rasio 80:20 dengan bahasa Inggris, menghasilkan akurasi sebesar 76,6%. Sentimen yang diidentifikasi dalam analisis ini diklasifikasikan menjadi tiga kategori: positif, netral, dan negatif. Dari hasil analisis, sentimen positif mendominasi dengan persentase 66%, diikuti oleh sentimen netral sebesar 27%, dan sentimen negatif sebesar 7,1%.
APLIKASI BIMBINGAN BELAJAR ONLINE SMART HOUSE BERBASIS WEBSITE Astuti, Ida; Azis, Eko Ali; Ruhama, Syamsi
JIKI (Jurnal Ilmu Komputer dan Informatika) Vol. 6 No. 1 (2025): JIKI (Jurnal Ilmu Komputer dan Informatika) Juli 2025
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jiki.v6i1.7629

Abstract

Pembelajaran jarak jauh yang menggunakan Teknologi Informasi Komputer (e-learning) banyak digunakan untuk mentransformasikan proses pembelajaran dengan tujuan meningkatkan efisiensi dan efektivitas, transparansi, dan akuntabilitas pembelajaran. Proses pembelajaran yang terjadi di dalam Bimbingan Belajar Smart House ini masih menggunakan metode tradisional dimana bahan untuk pembelajaran yang disampaikan masih melalui tatap muka, tuntutan teknologi dan persaingan membuat pihak Bimbingan Belajar (Bimbel) untuk melakukan inovasi dengan sistem pembelajaran secara online. Tujuan penelitian ini adalah melakukan pembuatan sistem pembelajaran online pada Bimbingan Belajar Smart House agar menjadi alternatif sistem pembelajaran antara guru dan siswa. Aplikasi ini dibuat menggunakan bahasa pemrograman PHP dan menggunakan framework CodeIgniter, serta MySQL sebagai database. Metode penelitian yang digunakan adalah System Development Life Cycle (SDLC) yang terdiri dari tahapan perencanaan, analisis, perancangan, implementasi, dan ujicoba. Berdasarkan hasil uji coba menggunakan Black Box, semua fungsi dan fitur pada web dapat berjalan dengan baik. Pengujian dengan User Acceptence Test (UAT) terhadap 25 responden diperoleh nilai rata – rata 97,7% dengan kategori “Sangat Baik”, hal ini dapat dikatakan bahwa website BimBel Smart House dapat membantu siswa dan guru pada proses pembelajaran online.
DETEKSI DINI KARDIOMEGALI MENGGUNAKAN KLASIFIKASI DEEP LEARNING BERBASIS CONVOLUTIONAL NEURAL NETWORK PADA CITRA X-RAY DADA Wahyuni, Diny; Waskito, Bahtiar; Ariestya, Winda Widya; Astuti, Ida; Ruhama, Syamsi
JIKI (Jurnal Ilmu Komputer dan Informatika) Vol. 6 No. 1 (2025): JIKI (Jurnal Ilmu Komputer dan Informatika) Juli 2025
Publisher : Universitas Muhammadiyah Metro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24127/jiki.v6i1.7643

Abstract

Proses diagnosa kardiomegali pada dada membutuhkan kecepatan dan akurasi tinggi, namun metode manual seperti wawancara pasien dan analisis subjektif rontgen sering menyebabkan hasil kurang akurat dan perbedaan persepsi antar dokter. Untuk mengatasi hal tersebut, penelitian ini mengembangkan klasifikasi kardiomegali menggunakan teknologi Deep Learning berbasis Convolutional Neural Network (CNN). Penelitian melibatkan dua tahap utama dalam pembuatan model, yaitu Feature Extraction dan Classification, menggunakan 5600 data (4000 untuk pelatihan, 1000 untuk pengujian, dan 600 untuk validasi). Setelah delapan percobaan, akurasi tertinggi diperoleh pada percobaan menggunakan batch size 50, epoch 10 dengan hasil sebesar 95,59%. Evaluasi menggunakan Confusion Matrix, diperoleh accuracy 93%, precision untuk kardiomegali 97%, serta recall sebesar 89%. Hasil ini menunjukkan bahwa metode CNN efektif untuk membantu diagnosa kardiomegali menjadi lebih cepat dan akurat.
Deep Learning for Horticulture: Convolutional Neural Network Driven Classification of Banana Types Astuti, Ida; Ibrahim, Lutfi Nabhan; Ariestya, Winda Widya; Ruhama, Syamsi; Wahyuni, Diny
Digital Zone: Jurnal Teknologi Informasi dan Komunikasi Vol. 16 No. 1 (2025): Digital Zone: Jurnal Teknologi Informasi dan Komunikasi
Publisher : Publisher: Fakultas Ilmu Komputer, Institution: Universitas Lancang Kuning

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31849/x39pj844

Abstract

One of the most widely grown horticulture fruits in Indonesia is the banana. In addition to its various health benefits, bananas are a good source of carbohydrates and vitamins A, C, and E. There are a lot of different kinds of bananas in Indonesia, and occasionally people have trouble telling them apart. This study uses a Convolutional Neural Network (CNN), a Deep Learning technique, to categorize bananas. Four different types of bananas—Cavendish, Kepok, Raja, and Tanduk—were classified. Planning, analysis, creating a banana classification model with CNN, and assessing the outcomes are the four phases of the research process. Data preprocessing, CNN model creation, training, and testing procedures are the next steps in the categorization model design process, which starts with the collection of banana data using a smartphone camera. The optimal model was obtained with the accuracy value of 96%, the average precision and recall values of 97% and 96% respectively. It was found based on test results with multiple tuning parameters, including dataset partition, optimizer use, and epoch. This study offers novelty in terms of the use of a large banana image dataset, extensive exploration of CNN parameters, and the potential application of the model in applications for the horticultural industry. In addition, this study contributes to the development of image-based AI technology in agricultural product classification, which is still relatively underexplored in Indonesia
Co-Authors Azis, Eko Ali Hapsari, Dewi Anggraini Puspa Ibrahim, Lutfi Nabhan Ida Astuti Imaddudin, Satrio Nurul Adhayanti Wahyuni, Diny Waskito, Bahtiar Winda Widya Ariestya