Article Per Year (5 Year)
p-Index From 2021 - 2026
3.396
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) Ainet : Jurnal Informatika Madaniya Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) Jurnal Informatika Progres Jurnal Intelek Dan Cendikiawan Nusantara ARUS JURNAL SAINS DAN TEKNOLOGI Journal of Muhammadiyah’s Application Technology
Fachrim Irhamna Rachman
Universitas Muhammadiyah Makassar
Religion 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 Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Social Sciences Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
Optimasi Penjadwalan dan Alokasi Kamar Rawat Inap RS PKU Unismuh Kota Makassar Menggunakan Priority Scheduling Uddin , Ardiansyah; Irhamna Rahman, Fachrim; Wahyuni, Titin; ardi24, ardiansyah_01
Journal of Muhammadiyah’s Application Technology Vol. 4 No. 3 (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/1p4q2k23

Abstract

ABSTRAKManajemen ruang rawat inap merupakan komponen penting dalam operasional rumah sakit karena berkaitan langsung dengan kualitas pelayanan dan keselamatan pasien. Peningkatan jumlah pasien, keterbatasan kapasitas kamar, serta sistem penjadwalan yang masih bersifat manual sering menyebabkan ketidakefisienan dalam alokasi ruang rawat inap. Penelitian ini bertujuan untuk mengoptimalkan manajemen ruang rawat inap di RS PKU Unismuh Makassar melalui penerapan algoritma Priority Scheduling. Metode penelitian yang digunakan adalah pendekatan kuantitatif terapan dengan simulasi sistem berbasis data ketersediaan kamar, kondisi medis pasien, tingkat urgensi, kelas ruang rawat inap, serta spesialisasi dokter. Algoritma Priority Scheduling diterapkan untuk menentukan urutan pelayanan dan alokasi kamar berdasarkan prioritas medis pasien. Hasil penelitian menunjukkan bahwa sistem mampu mengalokasikan ruang rawat inap secara optimal, terutama bagi pasien dengan prioritas tinggi, dengan tingkat efisiensi penggunaan ruang mencapai 100%. Selain itu, sistem dapat mengurangi waktu tunggu dan meningkatkan ketepatan pengambilan keputusan dalam penempatan pasien. Kesimpulan dari penelitian ini menunjukkan bahwa algoritma Priority Scheduling efektif dan adil dalam mendukung optimalisasi pengelolaan ruang rawat inap. Implikasi penelitian ini diharapkan dapat menjadi dasar pengembangan decision support system berbasis algoritma dalam manajemen rumah sakit. Kata Kunci: Manajemen Ruang Rawat Inap, Priority Scheduling, Alokasi Kamar, Efisiensi Pelayanan, Rumah Sakit   ABSTRACTInpatient room management is a critical aspect of hospital operations as it directly affects service quality and patient safety. The increasing number of patients, limited room capacity, and manual scheduling systems often lead to inefficiencies in inpatient room allocation. This study aims to optimize inpatient room management at PKU Unismuh Makassar Hospital through the application of the Priority Scheduling algorithm. The research employs an applied quantitative approach using system simulation based on inpatient room availability data, patients’ medical conditions, urgency levels, room class categories, and doctors’ specializations. The Priority Scheduling algorithm is implemented to determine service order and room allocation according to patients’ medical priority levels. The results indicate that the proposed system is able to allocate inpatient rooms optimally, particularly for high-priority patients, achieving 100% room utilization efficiency for critical cases. In addition, the system reduces patient waiting time and improves the accuracy of decision-making in room assignment. The study concludes that the Priority Scheduling algorithm is an effective and fair approach for optimizing inpatient room management. The findings imply that this algorithm can be utilized as a decision-support system to enhance efficiency, responsiveness, and resource utilization in hospital inpatient services. Keyworsds: Inpatient room management, Priority Scheduling, room allocation, service efficiency, hospital
Peningkatan Akurasi Prediksi Kebutuhan Obat BPJS PRB melalui Integrasi Analisis Diferensial dan Deep Learning Hermanto, Chalidah Azzahrah; Rachman, Fachrim Irhamna; A.M Hayat, Muhyiddin; H, chalidah_azzahra00
Journal of Muhammadiyah’s Application Technology Vol. 4 No. 3 (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/k6t40472

Abstract

ABSTRAKProgram Rujuk Balik (PRB) BPJS Kesehatan bertujuan menjamin keberlanjutan pengobatan pasien penyakit kronis. Namun, fluktuasi kebutuhan obat sering menimbulkan permasalahan overstock dan stockout di apotek mitra BPJS. Penelitian ini bertujuan mengintegrasikan analisis diferensial dan algoritma deep learning Long Short-Term Memory (LSTM) untuk meningkatkan akurasi prediksi kebutuhan obat PRB. Data yang digunakan berupa transaksi penjualan obat pasien BPJS PRB di Apotek Kimia Farma Cendrawasih periode Januari 2022 hingga Juli 2024. Analisis diferensial digunakan untuk menghitung perubahan tingkat pertama (delta 1) dan tingkat kedua (delta 2) penjualan, yang selanjutnya dijadikan fitur tambahan pada model LSTM. Evaluasi model dilakukan menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa integrasi analisis diferensial dengan LSTM mampu meningkatkan akurasi prediksi, dengan model terbaik menghasilkan nilai MAE rata-rata di bawah 20 untuk sebagian besar produk. Temuan ini berimplikasi pada peningkatan efektivitas perencanaan dan pengadaan obat PRB berbasis data historis dan tren perubahan.Kata Kunci: Prediksi Obat, BPJS PRB, LSTM, Deep Learning, Analisis Diferensial ABSTRACTThe BPJS Kesehatan Rujuk Balik Program (PRB) aims to ensure the continuity of treatment for patients with chronic diseases. However, fluctuations in medicine demand frequently cause overstock and stockout problems at BPJS partner pharmacies. This study aims to integrate differential analysis and the Long Short-Term Memory (LSTM) deep learning algorithm to improve the accuracy of PRB medicine demand forecasting. The data used consist of transaction records of PRB patient medicine sales at Kimia Farma Cendrawasih Pharmacy from January 2022 to July 2024. Differential analysis was applied to calculate the first-order change (delta 1) and second-order change (delta 2) in sales, which were subsequently incorporated as additional features in the LSTM model. Model performance was evaluated using Mean Squared Error (MSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). The results indicate that integrating differential analysis with LSTM improves prediction accuracy, with the best-performing model achieving average MAE values below 20 for most products. These findings have important implications for enhancing data-driven planning and procurement of PRB medicines based on historical trends and demand dynamics.Keyworsds: Medicine Forecasting, BPJS PRB, LSTM, Deep Learning, Differential Analysis
Konversi Tulisan Tangan Huruf Kapital Menjadi Teks Menggunakan Metode Deep Learning Berbasis YOLOv8 dan CTC Bakti, Rizki Yusliana; Rachman, Fahrim Irhamna; nur, makmur jaya
Journal of Muhammadiyah’s Application Technology Vol. 4 No. 3 (2025)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/9wdk0e43

Abstract

ABSTRAKPenelitian ini mengkaji pengembangan sistem konversi tulisan tangan ke teks digital menggunakan metode deep learning dengan mengombinasikan arsitektur Convolutional Neural Network (CNN), YOLOv8, dan Connectionist Temporal Classification (CTC). Dataset yang digunakan terdiri dari 700 citra tulisan tangan huruf kapital (A–Z) yang diperoleh dari dokumen resmi Dinas Kependudukan dan Pencatatan Sipil Kabupaten Barru. Tahapan penelitian meliputi prapemrosesan citra berupa grayscale, normalisasi, perataan teks, serta augmentasi data, dilanjutkan dengan anotasi bounding box menggunakan Roboflow. Dataset kemudian dibagi menjadi data pelatihan, validasi, dan pengujian. Model YOLOv8 dilatih untuk mendeteksi karakter dan hasilnya diproses menggunakan CTC untuk menghasilkan teks akhir. Evaluasi menunjukkan performa yang baik dengan precision 98,38%, recall 87,25%, F1-score 92,44%, serta mAP@0.5 sebesar 87,19%. Hasil ini menunjukkan metode yang diusulkan efektif untuk mendukung digitalisasi dokumen administrasi publik.Kata Kunci: YOLOv8, Konversi Tulisan Tangan, Deep Learning, Citra Digital, Administrasi Publik, Roboflow, CNN, CTC ABSTRACTThis study investigates the development of a handwritten text-to-digital text conversion system using deep learning by combining Convolutional Neural Network (CNN), YOLOv8, and Connectionist Temporal Classification (CTC) architectures. The dataset consists of 700 images of uppercase handwritten letters (A–Z) obtained from official documents of the Department of Population and Civil Registration of Barru Regency. The research stages include image preprocessing such as grayscale conversion, normalization, text alignment, and data augmentation, followed by bounding box annotation using Roboflow. The dataset is then divided into training, validation, and testing sets. The YOLOv8 model is trained to detect characters, and the outputs are processed using CTC to generate the final text. Evaluation results demonstrate strong performance, achieving a precision of 98.38%, recall of 87.25%, an F1-score of 92.44%, and an mAP@0.5 of 87.19%. These findings indicate that the proposed method is effective in supporting the digitalization of public administrative documents.Keyworsds: YOLOv8, Handwriting Conversion, Deep Learning, Digital Image, Public Administration, Roboflow, CNN, CTC  
Implementasi Algoritma Floyd-Warshall Untuk Menentukan Jarak Terpendek Dalam Sistem Pengantaran Pos Di Kecamatan Mariso Mustakim Mustakim; Titin Wahyuni; Fachrim Irhamna Rahman
Jurnal Intelek Dan Cendikiawan Nusantara Vol. 3 No. 01 (2026): Februari - Maret 2026
Publisher : PT. Intelek Cendikiawan Nusantara

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

Abstract

Penelitian ini membahas penerapan algoritma Floyd-Warshall dalam menentukan rute terpendek pada sistem pengantaran pos di Kecamatan Mariso, Makassar. Permasalahan utama yang diangkat adalah bagaimana mengoptimalkan rute pengiriman kurir pos agar lebih efisien dalam waktu dan jarak tempuh, terutama pada wilayah dengan banyak titik pengiriman. Pengumpulan data dilakukan melalui survei lapangan, wawancara langsung dengan petugas pos, dan pemetaan ulang jaringan jalan berbasis peta digital. Penentuan titik graph dilakukan pada perempatan dan belokan jalan, menghasilkan 675 titik yang diukur jaraknya secara sistematis menggunakan arah mata angin dan bantuan Google Maps. Selanjutnya, algoritma Floyd-Warshall diimplementasikan menggunakan bahasa pemrograman Python untuk menghitung jarak terpendek antar semua pasangan titik. Hasil simulasi menunjukkan bahwa algoritma ini mampu menghasilkan rute dengan efisiensi tinggi, menghemat jarak tempuh hingga ratusan meter dibandingkan rute konvensional, serta mampu memberikan rekomendasi jalur yang akurat berdasarkan arah dan kondisi jalan
Co-Authors Adrianingsih, Rizka Ahmad Faisal ANDIKA SAPUTRA ardi24, ardiansyah_01 Aritmawijaya, Suandi Bakti, Rizki Yusliana Chyquitha, Chyquitha Danu Putri Dika, Andika Saputra H, chalidah_azzahra00 Habi Talib, Emil Agusalim Hermanto, Chalidah Azzahrah Indriani, Lis Iskandar, Aryansyah Kamal, Safutri La Ode Taufik Ismail La Ode Taufik Ismail LUKMAN ANAS Lukman Lukman Muhyiddin A.M Hayat Mujadilah, Siti Mustakim Mustakim Nur Alam Nur, Makmur Jaya Reski Awalia Salam, Abd Setiawan, Tommy Reynaldy Sri Hastati suandi_17, suandi_aritmawijaya Tahir, Gempar Perkasa Titin Wahyuni Uddin , Ardiansyah Virgiawan, David Arian Wibawa. Ar, Arya Yanti, Wilda