Article Per Year (5 Year)
p-Index From 2020 - 2025
0.562
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan EDUMATIC: Jurnal Pendidikan Informatika
Maula, Ahmad Inzul
Unknown Affiliation
Computer Science & IT Education

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
IMPLEMENTASI DASHBOARD BUSINESS INTELLIGENCE DENGAN QLIK SENSE UNTUK ANALISIS NUTRISI MAKANAN Hidayat, Muhammad Taufiq; Yulianto, Fernando Candra; Mustofa, Alifudin; Maula, Ahmad Inzul
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5769

Abstract

Implementasi dashboard Business Intelligence (BI) menggunakan Qlik Sense memberikan solusi efektif untuk analisis nutrisi makanan. Penelitian ini dilatarbelakangi oleh kebutuhan masyarakat terhadap informasi nutrisi yang akurat dan relevan guna mendukung pola hidup sehat. Proses penelitian melibatkan pengumpulan data dari dataset publik, pembersihan data, integrasi dengan sumber eksternal melalui ODBC MySQL, dan pengembangan dashboard interaktif. Dashboard ini mencakup berbagai visualisasi, seperti KPI, pie chart, bar chart, dan scatter plot, yang memberikan gambaran menyeluruh tentang kandungan kalori, protein, karbohidrat, lemak, vitamin, dan mineral. Hasilnya menunjukkan bahwa dashboard Qlik Sense dibagi menjadi 2 bagian, yaitu dashboard biasa dan dashboard ODBC yang dapat meningkatkan efisiensi analisis data nutrisi, mendukung pengambilan keputusan berbasis data, dan mempermudah pengguna dalam memahami pola serta tren nutrisi. Kesimpulan ini menegaskan pentingnya penerapan teknologi BI untuk mendorong pengelolaan data nutrisi yang lebih baik. Penelitian ini diharapkan menjadi referensi untuk pengembangan lebih lanjut di sektor kesehatan dan nutrisi.
Sistem Klasifikasi Kematangan Apel Fuji berdasarkan Warna menggunakan KNN untuk Sortasi Otomatis Maula, Ahmad Inzul; Triyanto, Wiwit Agus; Setiaji, Pratomo
Jurnal Pendidikan Informatika (EDUMATIC) Vol 9 No 2 (2025): Edumatic: Jurnal Pendidikan Informatika
Publisher : Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/edumatic.v9i2.31243

Abstract

Manual fruit sorting typically relies on workers' visual observation to assess ripeness. This assessment is heavily influenced by individual experience and lighting conditions, often leading to inaccuracies. Furthermore, manual methods are time-consuming, increase the risk of misclassification, and reduce operational efficiency. Our research aims to develop a color-based Fuji apple ripeness classification application using the K-Nearest Neighbor algorithm that combines RGB and HSV features. Our research is developmental research using the Waterfall model, consisting of requirements analysis, design, implementation, testing, and maintenance. We used 240 fuji apple images sourced from images taken in the Kudus area. Our findings are an automatic classification application capable of classifying apple images into three ripeness levels: unripe, semi-ripe, and ripe. The evaluation results showed an accuracy of 93.75% with balanced precision, recall, and f1-score across all classes, confirming the system's stable performance without any indication of bias. Testing results using the black-box method in three scenarios opening the application, uploading an image, and reclassifying proved that all features performed as expected. The implication is that this application is ready for use in camera-based sorting in horticultural production lines and can be developed for other fruit classifications, supporting widespread post-harvest digitalization.
IMPLEMENTASI DASHBOARD BUSINESS INTELLIGENCE DENGAN QLIK SENSE UNTUK ANALISIS NUTRISI MAKANAN Hidayat, Muhammad Taufiq; Yulianto, Fernando Candra; Mustofa, Alifudin; Maula, Ahmad Inzul
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5769

Abstract

Implementasi dashboard Business Intelligence (BI) menggunakan Qlik Sense memberikan solusi efektif untuk analisis nutrisi makanan. Penelitian ini dilatarbelakangi oleh kebutuhan masyarakat terhadap informasi nutrisi yang akurat dan relevan guna mendukung pola hidup sehat. Proses penelitian melibatkan pengumpulan data dari dataset publik, pembersihan data, integrasi dengan sumber eksternal melalui ODBC MySQL, dan pengembangan dashboard interaktif. Dashboard ini mencakup berbagai visualisasi, seperti KPI, pie chart, bar chart, dan scatter plot, yang memberikan gambaran menyeluruh tentang kandungan kalori, protein, karbohidrat, lemak, vitamin, dan mineral. Hasilnya menunjukkan bahwa dashboard Qlik Sense dibagi menjadi 2 bagian, yaitu dashboard biasa dan dashboard ODBC yang dapat meningkatkan efisiensi analisis data nutrisi, mendukung pengambilan keputusan berbasis data, dan mempermudah pengguna dalam memahami pola serta tren nutrisi. Kesimpulan ini menegaskan pentingnya penerapan teknologi BI untuk mendorong pengelolaan data nutrisi yang lebih baik. Penelitian ini diharapkan menjadi referensi untuk pengembangan lebih lanjut di sektor kesehatan dan nutrisi.
Co-Authors Hidayat, Muhammad Taufiq Mustofa, Alifudin Pratomo Setiaji Wiwit Agus Triyanto Yulianto, Fernando Candra