Article Per Year (5 Year)
p-Index From 2021 - 2026
0.817
P-Index
This Author published in this journals
All Journal Jurnal Software Engineering and Computational Intelligence
Muhammad Ikhwan Jambak
Unknown Affiliation
Computer Science & IT

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Faktor Sistem Interaksi Penggunaan Aplikasi Podcast untuk Pembelajaran: Narrative review Indah Permatasari; Muhammad Ikhwan Jambak
Jurnal Software Engineering and Computational Intelligence Vol 2 No 01 (2024)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v2i01.4264

Abstract

Penggunaan aplikasi Podcast sebagai media pembelajaran telah menarik perhatian di bidang pendidikan, terutama dengan adanya kemajuan teknologi informasi dan komunikasi. Penelitian ini bertujuan untuk menganalisis faktor-faktor sistem interaksi yang mempengaruhi efektivitas aplikasi Podcast dalam pembelajaran. Melalui pendekatan narrative review, penelitian ini mengevaluasi literatur yang relevan untuk mengidentifikasi elemen-elemen kunci seperti antarmuka pengguna, fitur interaktif, manajemen konten, dan kemudahan akses. Hasil penelitian menunjukkan bahwa desain intuitif, navigasi yang efektif, dan personalisasi konten merupakan faktor-faktor yang signifikan dalam meningkatkan keterlibatan dan pemahaman pengguna. Selain itu, fungsi offline dan integrasi dengan platform pembelajaran lain juga memainkan peran penting dalam mendukung fleksibilitas dan aksesibilitas pembelajaran. Studi ini memberikan wawasan bagi pengembang aplikasi dan pendidik dalam merancang dan mengimplementasikan aplikasi Podcast yang lebih efektif untuk tujuan pendidikan.
Analisis Penggunaan Aplikasi E-Sumsel dalam Pembuatan Surat Tugas dan Taksasi SPPD Pada Badan Pengelola Keuangan dan Aset Daerah Provinsi Sumatera Selatan Merti Paensi; Mair, Zaid Romegar; Indah Permatasari; Muhammad Ikhwan Jambak
Jurnal Software Engineering and Computational Intelligence Vol 1 No 2 (2023)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v1i2.3575

Abstract

Surat Tugas merupakan surat dinas yang biasa digunakan untuk keperluan pekerjaan formal di lingkungan pegawai negeri sipil (ASN) untuk melakukan tugas kerja ke instansi atau kantor yang ada di tempat lain. Tujuannya yaitu untuk meneliti apa saja yang menjadi kepuasan dan ketidakpuasan pegawai sebagai pengguna aplikasi E-Sumsel dalam membuat surat tugas dan taksasi perjalanan dinas sehingga menjadi bahan evaluasi untuk meningkatkan kualitas dari aplikasi E-Sumsel pada pembuatan surat tugas dan taksasi perjalanan dinas. Sebelum adanya aplikasi E-Sumsel untuk memproses data perjalanan dinas, absensi, tunjangan penghasilan pegawai, gaji, pegawai ASN dan Non ASN masih menggunakan MS.Word dan MS.Excel sehingga sering terjadi Human Eror yang dimana data yang di peroleh tidak valid dan efisien. Dengan adanya aplikasi E-Sumsel yang digitalisasi maka informasi yang di peroleh lebih cepat, efisien dan efektif. Hasil dari Penelitian ini menggunkan Teknik pengumpulan data primer, yaitu data yang diperoleh dengan melakukan Penelitian secara langsung ke lokasi penelitian sesuai dengan masalah yang diteliti. Pengumpulan data ini dilakukan dengan cara Wawancara (Interview), Observasi, Kuesioner dan Dokumen.
Pengaruh Deteksi Tepi Citra Urat Daun Pada Pengenalan Jenis Bibit Jeruk Menggunakan Metode Pengenalan JST-PB dan GLCM Dimas Apriandi; Gasim; Muhammad Haviz Irfani; Muhammad Ikhwan Jambak
Jurnal Software Engineering and Computational Intelligence Vol 3 No 02 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i02.6219

Abstract

Identifikasi awal jenis bibit jeruk sangat penting untuk menjamin kualitas bibit dan meningkatkan produktivitas pertanian. Identifikasi secara manual membutuhkan keahlian khusus dan rentan terhadap kesalahan. Penelitian ini bertujuan untuk menganalisis pengaruh metode deteksi tepi terhadap akurasi klasifikasi bibit jeruk menggunakan Jaringan Syaraf Tiruan Propagasi Balik (JST-PB) dan fitur tekstur yang diekstraksi dengan Gray Level Co-occurrence Matrix (GLCM). Tiga metode deteksi tepi yaitu Canny, Laplacian of Gaussian (LoG), dan Roberts yang diterapkan pada citra daun jeruk dari empat varietas antara lain: Kunci, Nipis, Purut, dan Sambal. Fitur tekstur berupa contrast, correlation, homogeneity, dan entropy digunakan sebagai masukan dalam pelatihan JST-PB. Hasil penelitian menunjukkan bahwa metode Roberts dengan 30 neuron tersembunyi memberikan kinerja terbaik dengan precision rata-rata 75,56%, recall 75,00%, dan F1-score 74,97%. Hal ini menunjukkan bahwa pemilihan metode deteksi tepi berpengaruh signifikan terhadap akurasi klasifikasi. Kombinasi metode deteksi tepi Roberts, ekstraksi fitur GLCM, dan JST-PB terbukti efektif untuk pengenalan otomatis jenis bibit jeruk berbasis citra digital.    
Similarity Identification Model of Thesis Titles with Mahalanobis Distance Approach Muhammad Fajri Munawar; Rudi Heriansyah; Muhammad Hafiz Irfani; Muhammad Ikhwan Jambak; Dwi Asa Ferano
Jurnal Software Engineering and Computational Intelligence Vol 3 No 01 (2025)
Publisher : Informatics Engineering, Faculty of Computer Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36982/jseci.v3i01.5413

Abstract

This study aims to identify the similarity of thesis titles by applying the Mahalanobis Distance method which is known to be effective in measuring the distance between vectors by considering data distribution and correlation between variables. In its implementation, each thesis title is represented in vector form using the TF-IDF scheme before calculating the level of similarity using Mahalanobis Distance. The test results show that this method is able to produce similarity values between titles, but its performance has not shown optimal effectiveness in the context of similarity classification. The highest precision value obtained of 1.0 indicates that this method is quite reliable in identifying pairs of titles that are truly similar. However, the low recall value of only 0.5 indicates that there are many pairs of similar titles that fail to be detected, resulting in an F1-score value of only 0.638. This shows an imbalance between the system's ability to detect similarity and its classification accuracy. Although the accuracy value is relatively high, ranging from 0.958 to 0.988, these results do not necessarily reflect the overall effectiveness of the method in handling minor classification errors. Testing of the threshold parameters also shows that a value of 0.1 provides the best performance compared to other threshold values because it is able to maintain a balance between precision, recall, F1-score, and accuracy.
Co-Authors Dimas Apriandi Dwi Asa Ferano Gasim Indah Permatasari Merti Paensi Muhammad Fajri Munawar Muhammad Hafiz Irfani Muhammad Haviz Irfani Rudi Heriansyah