Article Per Year (5 Year)
p-Index From 2021 - 2026
6.403
P-Index
This Author published in this journals
All Journal Bianglala Informatika : Jurnal Komputer dan Informatika Akademi Bina Sarana Informatika Yogyakarta Jurnal INSYPRO (Information System and Processing) Journal of Information Systems and Informatics Ainet : Jurnal Informatika Madaniya Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Indonesian Community Journal Jurnal Ilmu Komputer Jurnal Informatika Progres Mechatronics Journal in Professional and Entrepreneur (MAPLE) Jurnal Intelek Dan Cendikiawan Nusantara Journal of Computer Science and Information Technology ARUS JURNAL SAINS DAN TEKNOLOGI Journal of Muhammadiyah’s Application Technology
Fachrim Irhamna Rachman
Universitas Muhammadiyah Makassar
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Public Health Social Sciences Other

Published : 52 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 52 Documents
Search

 1   2   3   4   5 
Sistem Deteksi Ekspresi Wajah Berbasis Convolutional Neural Network (CNN) Untuk Pengenalan Emosi Manusia Wibawa. Ar, Arya; Irhamna Rachman, Fahrim; Yusliana Bakti, Rizki; Wahyuni, Titin
Jurnal INSYPRO (Information System and Processing) Vol 9 No 2 (2024)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/insypro.v9i2.51360

Abstract

The development of human facial expression detection systems has become a growing research topic, particularly in efforts to create applications capable of automatically understanding and responding to human emotions. This research aims to develop and evaluate a human facial expression detection system using the Convolutional Neural Network (CNN) method. The dataset used consists of facial images with various expressions sourced from diverse origins. The data undergoes several preprocessing stages, including normalization, augmentation, and splitting into training and test sets. This study employs several CNN architectures to identify emotions such as happy, sad, angry, and scared. Testing is conducted using various parameters, including training and test data splits, as well as different CNN architectures. The results show that the CNN model can achieve over 90% accuracy on training data, with the best performance on the "Happy" emotion, achieving an f1-score of 0.93. However, there is a decrease in accuracy on validation data, with an overall average accuracy of 78%, indicating challenges in model generalization. Additionally, the "Sad" emotion has the lowest recall of 0.49, indicating the need for model improvement in classifying specific emotions. This study contributes to the development of CNN-based facial expression detection systems, but further exploration of more complex architectures, evaluation with diverse datasets, and real-time testing are needed to improve system performance.
Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Penyakit Akut Berdasarkan Gejala Sari, Selvi Permata; Wahyuni , Titin; Rahman , Fahrim Irhamna
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1185

Abstract

Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam mengklasifikasikan penyakit akut berdasarkan gejala yang terdapat pada rekam medis pasien. Data yang digunakan dalam penelitian ini diperoleh dari Rumah Sakit Umum Daerah Provinsi Sulawesi Barat, dengan total 1004 data pasien yang mencakup berbagai gejala spesifik. Proses penelitian melibatkan tahap preprocessing data, termasuk pembersihan teks gejala, transformasi data menjadi format numerik, dan normalisasi data untuk memastikan kualitas input. Model CNN dibangun dengan arsitektur yang terdiri dari beberapa lapisan convolutional dan max pooling, serta dioptimasi menggunakan fungsi aktivasi ReLU dan Softmax. Evaluasi model dilakukan dengan membagi data menjadi set pelatihan dan pengujian menggunakan proporsi 80:20, 90:10 dan 70:30. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi sebesar 93% pada data uji, dengan nilai precision, recall, dan F1-score yang tinggi di berbagai kelas penyakit. Temuan ini menunjukkan bahwa CNN efektif dalam mengidentifikasi pola gejala untuk klasifikasi penyakit akut. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung keputusan medis berbasis kecerdasan buatan untuk diagnosis penyakit akut secara lebih cepat dan akurat.
Analisis Monitoring Gerakan Duduk dengan Menggunakan Metode Mobile Net Ssd pada Karyawan Aiman , Ailul; Rahman, Fahrim Irhamna; Wahyuni, Titin
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1211

Abstract

Produktivitas merupakan faktor kunci dalam keberhasilan organisasi di dunia kerja modern. Karyawan yang sehat dan nyaman cenderung lebih produktif dan inovatif. Namun, postur tubuh yang buruk saat duduk dapat menyebabkan kelelahan, nyeri punggung bawah, serta penurunan produktivitas. Untuk mengatasi masalah ini, teknologi pemantauan postur duduk berbasis computer vision semakin berkembang. Salah satu metode yang efektif adalah MobileNet Single Shot Detector (SSD), yang digunakan untuk mendeteksi dan menganalisis postur duduk. MobileNet SSD dapat mengenali berbagai pose duduk secara cepat dan memberikan umpan balik instan kepada karyawan mengenai posisi duduk yang ergonomis. Penelitian ini bertujuan untuk mengukur akurasi MobileNet SSD dalam mendeteksi gerakan duduk yang baik dan buruk, serta untuk menganalisis potensi penerapan teknologi ini dalam lingkungan kerja. Hasil penelitian menunjukkan bahwa MobileNet SSD memiliki akurasi yang tinggi dalam mendeteksi postur duduk, yang dapat membantu perusahaan untuk meningkatkan kesejahteraan karyawan dan merancang strategi kerja yang lebih efisien di masa depan.
Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest Rahman, Fahrim Irhamna; Lukman, Lukman; Hildayati, Hildayati
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1212

Abstract

Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untuk mengklasifikasi kerusakan jalan berdasarkan data yang diambil dari survey lapangan dengan menggunakan algoritma k-means dan random forest. Metode machine learning dengan menggunakan algoritma k-means dan random forest dipilih karena kemampuannya dalam mengklasifikasi dan mengelompokkan data berdasarkan kedekatan jarak antar sampel, dan dapat dapat mempercepat proses pemeliharaan jalan. Data yang digunakan mencakup pengukuran kondisi jalan, antara lain panjang jalan dalam kondisi baik, sedang, rusak, dan rusak berat. Fitur-fitur ini dipilih untuk mempresentasikan tingkat kerusakan jalan yang sesuai dengan algoritma k-means dan random forest. Penelitian ini dimulai dengan pra-pemrosesan data dan pengelompokkan data menggunakan algoritma k-means, termasuk penanganan nilai yang hilang dan standarisasi fitur, dan diikuti dengan implementasi algoritma random forest untuk klasifikasi. Kinerja model dievaluasi menggunakan confusion matrikx dan classification report, yang menunjukkan bahwa random forest mampu mengklasifikasi kerusakan jalan dengan akurasi yang benar. Kemudian hasil prediksi divalidasi dan disimpan untuk analisis lebih lanjut. Penelitian ini merupakan pengembangan model klasifikasi yang mendukung pengambilan keputusan yang terkait pemeliharaan dan perbaikan jalan secara efektif dan efisien. Penelitian ini berhasil membangun system klasifikasi kerusakan jalan dengan menggabungkan algoritma K-Means untuk pengelompokkan dan Random Forest untuk klasifikasi. Model tersebut dapat memberikan akurasi yang tinggi dalam mengidentifikasi tingkat kerusakan jalan, yang dapat mendukung upaya pemeliharaan jalan yang lebih efektif.
ANALISIS DETEKSI DINI PENYAKIT JANTUNG DENGAN METODE ENSEMBLE LEARNING PADA DATA PASIEN Adrianingsih, Rizka; Irhamna Rachman, Fahrim; Yusliana Bakti, Rizki; Wahyuni, Titin
Jurnal INSYPRO (Information System and Processing) Vol 10 No 1 (2025)
Publisher : Prodi Sistem Informasi UIN Alauddin

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Heart disease is one of the leading causes of death, requiring early detection for prompt and accurate treatment. This study aims to develop a heart disease prediction model using ensemble learning methods, specifically the Adaptive Boosting (AdaBoost) technique. This method combines several weak models to improve the accuracy of heart disease classification based on patient data. The results show that applying the ensemble learning technique with the AdaBoost method produces a highly accurate model, especially after adding demographic features such as gender and age. The model's accuracy increased from 93.75% to 100%, with precision, recall, and F1-score reaching a perfect score of 1.00 for both classes. With these excellent results, the AdaBoost method has proven to be effective in detecting heart disease at an early stage, providing opportunities for more timely and effective medical interventions. This research is expected to make a significant contribution to the development of early heart disease detection technology and improve patient quality of life through more accurate diagnoses.
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

Abstract

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 Rahman, Fahrim Irhamna; Ismail, La Ode Taufik; Bakti, Rizki Yusliana
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

Abstract

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.
Sistem Absensi Event Dengan Menggunakan Metode QR Berbasis Web Rinaldy, Muh; Titin Wahyuni; Fahrim Irhamna Rahman
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/kt768m68

Abstract

Penelitian ini bertujuan untuk menciptakan aplikasi sistem informasi absen event yang dapat digunakan user dalam melakukan absensi secara mudah. Metode sistem absensi event dengan menggunakan QR berbasis web menggunakan teknik pengujian alpha (sistem black box testing tast case) dan pengujian beta. Dalam pengujian Alpha bertujuan untuk menungjukkan fungsi-fungsi perangkat lunak tentang cara beroprasi, apakah pemasukan data keluar telah berjalan sebagaimana yang di harapkan dan apakah informasi yang di simpan secara eksternal selalu di jaga kemutakhirannya, sedangkan pengujian beta untuk menguji system berdasarkan objek penelitian langsung dimana aplikasi di uji langsung ke lapangan dan memberikan user beberapa kuisoner dengan pengujian data berupa data angket . Dalam penelitian ini, dilakukan pembuatan aplikasi menggunakan bahasa program react.js dan CRUD. Hasil dari penelitian aplikasi yang telah dibuat berhasil menginplementasikan algoritma CRUD sebagai algoritma yang digunakan. Selain itu, aplikasi ini dapat menerapkan cara baru absensi dalam waktu yang singkat. Kesimpulannya, keberhasilan implementasi aplikasi ini bisa menjadi dasar bagi seseorang yang menggunakan algoritma CRUD untuk membuat suatu aplikasi absensi. Kata Kunci: Algoritma CRUD, Pengujian Alpha, Pengujian Beta, QR, Generate Code
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

Abstract

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.
PREDIKSI PENJUALAN OBAT MENGGUNAKAN MODEL LSTM DAN ANALISIS TIME SERIES PADA DATA TRANSAKSI PASIEN BPJS Basyar, Muhammad Yusuf; HAYAT, MUHYIDDIN A. M.; RAHMAN, FAHRIM IRHAMNA
Mechatronics Journal in Professional and Entrepreneur. Vol 7 No 2 (2025)
Publisher : Politeknik Bosowa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi penjualan obat yang akurat diperlukan untuk meningkatkan efisiensi persediaan dan kualitas pelayanan kesehatan, terutama di PT Kimia Farma Apotek (KFA) yang melayani pasien BPJS Kesehatan. Permintaan obat yang fluktuatif dan pola penjualan yang kompleks menjadi tantangan dalam perencanaan persediaan. Penelitian ini bertujuan untuk memprediksi penjualan obat secara akurat dengan menerapkan teknik data mining menggunakan model Long Short-Term Memory (LSTM). Data dikumpulkan dari transaksi di PT Kimia Farma Apotek (KFA) dan diproses melalui pra-pemrosesan yang mencakup pembersihan data, transformasi menjadi time series, serta pembagian data menjadi 80% data latih dan 20% data uji. Model LSTM dilatih selama 50 epoch menggunakan fungsi aktivasi ReLU dan Softmax pada lapisan output untuk menghasilkan probabilitas prediksi. Hasil penelitian menunjukkan bahwa model LSTM memiliki Mean Squared Error (MSE) sebesar 0.0021 dan akurasi prediksi mencapai 99.79%, menunjukkan kemampuan model dalam menghasilkan prediksi yang mendekati nilai aktual. Namun, R² Score sebesar -0.14 menunjukkan keterbatasan dalam menangkap variasi data yang kompleks. Penelitian ini menunjukkan bahwa model LSTM memiliki potensi besar untuk diterapkan dalam prediksi penjualan obat dan membantu pengambilan keputusan strategis dalam manajemen persediaan. Selain itu, pendekatan ini berkontribusi positif dalam meningkatkan efisiensi perencanaan persediaan obat di PT Kimia Farma Apotek
Co-Authors Adrianingsih, Rizka Afifah Auliyah Ahmad Faisal Ahmad Fathir Ahmad Nur Rahman Aiman , Ailul ANDIKA SAPUTRA Annisa Alfrini Aras, Dara Ugi Ardiansyah Uddin Bakti, Rizki Yusliana Basyar, Muhammad Yusuf Besse Taleha Chyquita Danuputri Chyquitha Danu Putri Chyquitha Danuputri Chyquitha Danuputri Chyquitha Danuputri Chyquitha, Chyquitha Danu Putri Chyquithadanuputri Darniati Desi Anggreani Dika, Andika Saputra Emil Agus Salim Habi Talib Erick Yusuf Kotte Ferdiansyah Gempar Perkasa Tahir Halisah Duli, St Nur Hanna Maryam Hasbir, Syahrul Hildayati, Hildayati Ida Mulyadi Ida Mulyadi, Ida Indriani, Lis Iskandar, Aryansyah Ismail, La Ode Taufik Kamal, Safutri La Ode Taufik Ismail La Ode Taufik Ismail LUKMAN ANAS Lukman Lukman LUKMAN, LUKMAN Mohammad Ramadhan Zainuddin Muhammad Alif Syafan Muhammad Daffa Ruwaid Aras Muhammad Faisal Muhammad Syafaat S. Kuba Muhyiddin A.M Hayat Mujadilah, Siti Mustakim Mustakim Nur Alam Nur Fadillah Sari Nur Rahman, Ahmad Rayhanatul Jannah Reski Awalia Ridha Awalia Ridwang Rinaldy, Muh Rizki Yusliana Rizky Maulia Rosnani Rosnani Salam, Abd Sari, Selvi Permata Setiawan, Tommy Reynaldy Sri Hastati Sry Yunarti Suhardi, Syahrul Syahrul Hasbir Syahrul Suhardi Tahir, Gempar Perkasa Titin Wahyuni Titin Wahyuni Virgiawan, David Arian Wibawa. Ar, Arya Yanti, Wilda Zulkifli Halim