Garuda - Garba Rujukan Digital

PENGUJIAN APLIKASI SIMULATOR AIR TANAH PERMUKAAN DENGAN MEMANFAATKAN TEKNOLOGI KINECT DAN MAKET Fachrim Irhamnah Rachman; Titin Wahyuni
Ainet : Jurnal Informatika Vol 1, No 2 (2019): September (2019)
Publisher : Universitas Muhammadiyah Makassar

Penelitian ini bertujuan untuk menguji aplikasi simulator air tanah permukaan dengan menggunakan DEM (Digital Elevation Model) dari maket yang dibuat dengan memanfaatkan sensor IR Depth kamera kinect. Penelitian ini merupakan perancangan sistem dalam bentuk pemodelan yang diawali dengan perumusan masalah, studi kepustakaan dan penelitian ekperimental dengan mengembangkan dengan mengembangkan penggunaan sensor IR depth kamera kinect dalam mengukur ketinggian pixel-pixel gambar dengan menghitung selisih kedalaman pixel dan dasar maket untuk kemudian maket tersebut disimulasikan secara nyata dan dibandingkan dengan pengujian DEM maket yang dilakukan pada aplikasi simulator. Hasil penelitian ini menunjukkan sejauh mana perbandingan kinerja simulator dengan simulasi nyata dari maket.

Implementasi Augmented Reality pada Game Mobile dalam Memperkenalkan Sejarah Kemerdekaan Republik Indonesia Fahrim Irhamna Rahman; La Ode Taufik Ismail; Rizki Yusliana Bakti
Ainet : Jurnal Informatika Vol 5, No 1 (2023): Maret (2023)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v5i1.12841

Sudah banyaknya game edukasi sejarah yang dibuat namun belum ada yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Penelitian ini bertujuan agar menghasilkan aplikasi game yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Dalam pembuatan game ini melalui beberapa tahap, antara lain pembuatan usecase diagram, activity diagram, sequence diagram, perancangan komponen permainan dan pengujian aplikasi yang dimana pengujian aplikasi ini terdiri dari pengujian blackbox, pengujian intensitas cahaya dan pengujian respon siswa terhadap game edukasi sejarah ini. Di dalam game ini terdapat tank sebagai pemain serta turret dan tankmusuh sebagai lawan dari pemain dan juga terdapat cutscene intro dan outro yang digunakan sebagai media yang akan memberikan informasi pembelajaran didalam game ini. Kesimpulan yang didapatkan dari hasil pengujian game ini dimana para pelajar menikmati serta menanggapi bahwasanya game augmented reality ini dianggap menarik oleh mereka dalam mempelajari sejarah perjuangan kemerdekaan republik Indonesia sehingga mereka ingin kembali bermain dan mencoba jenis game edukasi yang serupa dan sejenis.

KLASIFIKASI SARAN DAN KRITIK PADA SIMAK UNISMUH DENGAN MENGGUNAKAN ALGORTIMA RECCURENCT NEURAL NETWORK (RNN faisal, Ahmad; Wahyuni, Titin; Rachman, Fahrim Irhamna
Ainet : Jurnal Informatika Vol 6, No 2 (2024): September (2024)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v6i2.15736

SIMAK Unismuh Makassar merupakan platform penting yang digunakan oleh mahasiswa untuk menyampaikan saran dan kritik terkait berbagai aspek akademik. Dalam penelitian ini, peneliti mengimplementasikan algoritma Recurrent Neural Network (RNN) untuk mengklasifikasikan saran dan kritik yang diterima melalui SIMAK Unismuh. Tujuan dari penelitian ini adalah untuk mengetahui implementasi Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh dan bagaimana keberhasilan Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh. RNN dipilih karena kemampuannya dalam mengolah data teks yang berurutan, seperti masukan dalam bentuk kalimat, yang memungkinkan model untuk menangkap konteks dari masukan tersebut secara lebih efektif. Dataset yang digunakan dalam penelitian ini terdiri dari sejumlah data saran dan kritik yang telah dikategorikan secara manual. Model RNN yang dibangun kemudian dilatih dan diuji menggunakan data tersebut untuk menilai akurasi dan performanya. Hasil penelitian menunjukkan menunjukkan bahwa model mencapai akurasi tertinggi sebesar 91% dan akurasi terendah sebesar 90%. Meskipun terdapat variasi dalam performa model, hasil ini menunjukkan bahwa RNN memiliki potensi yang baik dalam mengklasifikasikan teks saran dan kritik. Model RNN dapat membantu institusi dalam memahami dan merespon masukan dari pengguna dengan lebih efektif, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan konsistensi dan akurasi hasil. Kesimpulan dari penelitian ini menunjukkan bahwa model RNN mampu mengklasifikasikan saran dan kritik dengan tingkat akurasi yang memadai. Penerapan model ini diharapkan dapat membantu pihak administrasi Unismuh dalam mengelola masukan dari mahasiswa secara lebih efisien, serta memberikan respons yang lebih tepat dan cepat terhadap kebutuhan akademik.

PENGUJIAN APLIKASI SIMULATOR AIR TANAH PERMUKAAN DENGAN MEMANFAATKAN TEKNOLOGI KINECT DAN MAKET Rachman, Fachrim Irhamnah; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 1 No. 2 (2019): September (2019)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v1i2.2260

Penelitian ini bertujuan untuk menguji aplikasi simulator air tanah permukaan dengan menggunakan DEM (Digital Elevation Model) dari maket yang dibuat dengan memanfaatkan sensor IR Depth kamera kinect. Penelitian ini merupakan perancangan sistem dalam bentuk pemodelan yang diawali dengan perumusan masalah, studi kepustakaan dan penelitian ekperimental dengan mengembangkan dengan mengembangkan penggunaan sensor IR depth kamera kinect dalam mengukur ketinggian pixel-pixel gambar dengan menghitung selisih kedalaman pixel dan dasar maket untuk kemudian maket tersebut disimulasikan secara nyata dan dibandingkan dengan pengujian DEM maket yang dilakukan pada aplikasi simulator. Hasil penelitian ini menunjukkan sejauh mana perbandingan kinerja simulator dengan simulasi nyata dari maket.

KLASIFIKASI SARAN DAN KRITIK PADA SIMAK UNISMUH DENGAN MENGGUNAKAN ALGORTIMA RECCURENCT NEURAL NETWORK (RNN faisal, Ahmad; Wahyuni, Titin; Rachman, Fahrim Irhamna
Ainet : Jurnal Informatika Vol. 6 No. 2 (2024): September (2024)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v6i2.15736

SIMAK Unismuh Makassar merupakan platform penting yang digunakan oleh mahasiswa untuk menyampaikan saran dan kritik terkait berbagai aspek akademik. Dalam penelitian ini, peneliti mengimplementasikan algoritma Recurrent Neural Network (RNN) untuk mengklasifikasikan saran dan kritik yang diterima melalui SIMAK Unismuh. Tujuan dari penelitian ini adalah untuk mengetahui implementasi Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh dan bagaimana keberhasilan Algoritma RNN dalam mengklasifikasi saran dan kritik di laman SIMAK Unismuh. RNN dipilih karena kemampuannya dalam mengolah data teks yang berurutan, seperti masukan dalam bentuk kalimat, yang memungkinkan model untuk menangkap konteks dari masukan tersebut secara lebih efektif. Dataset yang digunakan dalam penelitian ini terdiri dari sejumlah data saran dan kritik yang telah dikategorikan secara manual. Model RNN yang dibangun kemudian dilatih dan diuji menggunakan data tersebut untuk menilai akurasi dan performanya. Hasil penelitian menunjukkan menunjukkan bahwa model mencapai akurasi tertinggi sebesar 91% dan akurasi terendah sebesar 90%. Meskipun terdapat variasi dalam performa model, hasil ini menunjukkan bahwa RNN memiliki potensi yang baik dalam mengklasifikasikan teks saran dan kritik. Model RNN dapat membantu institusi dalam memahami dan merespon masukan dari pengguna dengan lebih efektif, meskipun masih memerlukan optimasi lebih lanjut untuk meningkatkan konsistensi dan akurasi hasil. Kesimpulan dari penelitian ini menunjukkan bahwa model RNN mampu mengklasifikasikan saran dan kritik dengan tingkat akurasi yang memadai. Penerapan model ini diharapkan dapat membantu pihak administrasi Unismuh dalam mengelola masukan dari mahasiswa secara lebih efisien, serta memberikan respons yang lebih tepat dan cepat terhadap kebutuhan akademik.

Analisis Sentimen Text Dengan Metode CNN Study Kasus Tempat Wisata Makassar Kamal, Safutri; Rachman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/n1gcbb74

Penelitian ini bertujuan untuk mengevaluasi dan menentukan sejauh mana metode CNN (Convolutional Neural Network) dapat menghasilkan prediksi sentimen yang akurat terhadap ulasan mengenai tempat wisata Makassar. Metode analisis sentimen ini menggunakan data ulasan yang dikumpulkan dari platform Google Maps. Dalam penelitian ini, dilakukan tahap preprocessing untuk membersihkan data, seperti cleaning, transform cases, tokenizing, stopword dan stemming. Selanjutnya, dilakukan pembagian dataset menjadi data latih dan data uji dengan scenario 90 : 10, 80 : 20 dan 70 : 30 untuk melatih dan menguji model dengan tiga kategori ulasan yaitu positif, negatif dan netral. Hasil dari analisis sentimen menunjukkan bahwa metode CNN memiliki kemampuan yang baik dalam memprediksi sentimen positif, negatif, dan netral pada ulasan mengenai Tempat Wisata Makassar. Tingkat akurasi yang tinggi pada tahap pelatihan menunjukkan bahwa model mampu belajar dengan baik dari dataset yang disediakan. Meskipun tingkat akurasi pada tahap validasi sedikit lebih rendah, tetapi masih mencapai angka yang memadai, menunjukkan bahwa model memiliki kemampuan generalisasi yang cukup baik dalam mengklasifikasikan sentimen pada ulasan-ulasan tersebut. Diperoleh hasil akurasi tertinggi dengan Training Accuracy yang meningkat memperoleh nilai akurasi training 95%, serta Validation Accuracy memperoleh nilai 73%.

Pengenalan Bahasa Isyarat Menggunakan Deteksi Objek Deep Learning Virgiawan, David Arian; Fachrim Irhamna Rahman; Rizki Yusliana Bakti
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/qkztgb55

Berdasarkan perkembangan teknologi, khususnya di bidang komputasi, semakin memungkinkan pengembangan sistem yang mampu mendeteksi bahasa isyarat dengan lebih efisien. Salah satu masalah utama yang dihadapi adalah bagaimana cara mendeteksi dan mengklasifikasi gerakan bahasa isyarat secara akurat menggunakan algoritma YOLOv8. Penelitian ini bertujuan untuk mengimplementasikan YOLOv8 dalam mendeteksi dan mengklasifikasi abjad pada bahasa isyarat Indonesia (SIBI). Penelitian ini dilakukan di Universitas [Nama Universitas], dengan menggunakan dataset yang dikumpulkan melalui pengambilan foto simbol tangan abjad A-Z yang kemudian diproses untuk pelabelan dan pelatihan model. Proses pelatihan model dilakukan menggunakan data yang dibagi menjadi tiga bagian: pelatihan (60%), validasi (20%), dan pengujian (20%). Pengujian model menghasilkan tingkat akurasi yang sangat tinggi sebesar 99,5%, dengan presisi 99,1%, dan recall 99,4%. Hasil ini menunjukkan bahwa sistem yang dikembangkan sangat andal dalam mendeteksi bahasa isyarat secara real-time. Penelitian ini menyarankan agar penelitian selanjutnya menambahkan variasi data isyarat dari berbagai pengguna untuk memperkaya dataset, serta mempertimbangkan penggunaan algoritma terbaru atau penggabungan beberapa algoritma untuk meningkatkan kinerja deteksi .Kata Kunci : Pengenalan Bahasa Isyarat, YOLOv8, Deep Learning, Deteksi Objek, SIBI

KLASIFIKASI SARAN DAN KRITIK PADA SIMAK UNISMUH DENGAN MENGGUNAKAN ALGORTIMA RECCURENCT NEURAL NETWORK (RNN) faisal, Ahmad; Wahyuni, Titin; Rachman, Fahrim Irhamna
Ainet : Jurnal Informatika Vol. 7 No. 1 (2025): Maret (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/8ttaxq04

SIMAK Unismuh Makassar is an important platform used by students to submit suggestions and criticisms related to various academic aspects. In this study, researchers implemented the Recurrent Neural Network (RNN) algorithm to classify suggestions and criticisms received through SIMAK Unismuh. The purpose of this study was to determine the implementation of the RNN Algorithm in classifying suggestions and criticisms on the SIMAK Unismuh page and how successful the RNN Algorithm was in classifying suggestions and criticisms on the SIMAK Unismuh page. RNN was chosen because of its ability to process sequential text data, such as input in the form of sentences, which allows the model to capture the context of the input more effectively. The dataset used in this study consists of a number of suggestion and criticism data that have been categorized manually. The RNN model that was built was then trained and tested using the data to assess its accuracy and performance. The results showed that the model achieved the highest accuracy of 91% and the lowest accuracy of 90%. Although there were variations in model performance, these results indicate that RNN has good potential in classifying suggestion and criticism texts. The RNN model can help institutions understand and respond to user input more effectively, although it still requires further optimization to improve the consistency and accuracy of the results. The conclusion of this study shows that the RNN model is able to classify suggestions and criticisms with an adequate level of accuracy. The application of this model is expected to help the Unismuh administration in managing student input more efficiently, as well as providing more appropriate and faster responses to academic needs.Keywords: Text Classification, Recurrent Neural Network (RNN), SIMAK Unismuh, Suggestions and Criticisms, Academic Information System.

Penggunaan CNN Dalam Analisis Sentimen Pada Review Tempat Wisata Makassar Kamal, Safutri; Rachman, Fahrim Irhamna; Wahyuni, Titin
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/73mrdb71

Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan tempat wisata di Makassar menggunakan metode Convolutional Neural Network (CNN). Makassar, sebagai salah satu destinasi wisata utama di Indonesia, menerima banyak ulasan dari pengunjung yang beragam. Setiap ulasan diproses secara tekstual melalui tahapan pembersihan data, tokenisasi, penghapusan kata-kata umum (stop words), dan stemming. Model CNN yang dibangun terdiri dari beberapa lapisan konvolusi dan pooling yang berfungsi untuk mengekstraksi fitur penting dari teks ulasan. Hasil penelitian ini memberikan wawasan yang berharga mengenai persepsi pengunjung terhadap tempat wisata di Makassar. Analisis sentimen ini dapat digunakan oleh pengelola tempat wisata dan pihak terkait untuk meningkatkan kualitas layanan dan pengalaman wisatawan.

Implementasi Algoritma Simulated Annealing dalam Optimasi Waktu Tempuh pada Sistem Pengantaran J&T Express di Kecamatan Mariso Dika, Andika Saputra; Fachrim, Fachrim Irhamna Rahman; Chyquitha, Chyquitha Danu Putri; saputra, andika
Ainet : Jurnal Informatika Vol. 7 No. 2 (2025): September (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/6qf28j63

Meningkatnya volume pengiriman paket di perusahaan logistik membutuhkan perencanaan rute yang efisien, terutama di daerah perkotaan dengan kepadatan lalu lintas yang tinggi. Distrik Mariso dicirikan oleh kondisi lalu lintas yang padat yang secara signifikan memengaruhi waktu tempuh pengiriman bagi kurir J&T Express. Studi ini bertujuan untuk mengoptimalkan rute pengiriman paket dengan meminimalkan total waktu tempuh menggunakan Simulated Annealing (SA). Dataset dikumpulkan melalui observasi lapangan, wawancara kurir, dan analisis peta digital, termasuk titik pengiriman, jarak antar titik, dan perkiraan waktu tempuh berdasarkan kondisi lalu lintas historis. Masalah pengiriman dirumuskan sebagai Traveling Salesman Problem menggunakan model grafik berbobot. Hasil eksperimen menunjukkan bahwa metode yang diusulkan menghasilkan rute pengiriman yang lebih efisien dengan pengurangan total waktu tempuh dibandingkan dengan praktik perutean manual. Temuan ini menunjukkan bahwa Simulated Annealing efektif untuk optimasi rute pengiriman dan dapat digunakan sebagai pendekatan pendukung keputusan untuk meningkatkan efisiensi logistik di daerah perkotaan.

Title

Found 10 Documents
Search
Journal : Ainet : Jurnal Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 10 Documents Search Journal : Ainet : Jurnal Informatika

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 10 Documents
Search
Journal : Ainet : Jurnal Informatika