Article Per Year (5 Year)
p-Index From 2021 - 2026
4.506
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 INFOTEL 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 : 34 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search

 1   2   3   4 
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

Abstract

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.
Pendeteksi Penyakit Daun Padi Menggunakan Algoritma YOLOv8 di Desa Jangan-Jangan Kecamatan Pujananting Kabupaten Barru Aritmawijaya, Suandi; Rachman, Fahrim Irhamna; Bakti, Rizki Yusliana; suandi_17, suandi_aritmawijaya
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/kn1zxt55

Abstract

ABSTRAKProduksi padi di Indonesia memiliki peran penting dalam menjaga ketahanan pangan nasional, namun produktivitasnya sering mengalami penurunan akibat serangan penyakit pada daun padi. Penyakit seperti blast, bercak coklat, dan hawar daun bakteri merupakan penyakit utama yang dapat menimbulkan kerugian signifikan jika tidak terdeteksi sejak dini. Identifikasi penyakit daun padi secara konvensional umumnya masih dilakukan secara manual dan bergantung pada pengalaman petani, sehingga berpotensi menimbulkan kesalahan diagnosis. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem pendeteksi otomatis penyakit daun padi berbasis deep learning menggunakan algoritma YOLOv8. Dataset diperoleh dari pengambilan citra langsung di lahan pertanian Desa Jangan-Jangan, Kabupaten Barru, yang merepresentasikan kondisi lapangan nyata dan mencakup tiga jenis penyakit utama. Tahapan penelitian meliputi anotasi data menggunakan Roboflow, pelatihan model dengan Google Collab, serta evaluasi performa menggunakan confusion matrix, precision, recall, F1-score, dan mean Average Precision. Hasil pengujian menunjukkan bahwa model YOLOv8 mampu mendeteksi penyakit daun padi dengan akurasi tinggi dan waktu inferensi cepat, sehingga berpotensi diterapkan sebagai solusi deteksi dini penyakit padi secara real-time. Kata Kunci: YOLOv8, Deteksi Penyakit Padi, Deep learning, Citra Digital, Pertanian Presisi, Roboflow,CNN.   ABSTRACTRice production in Indonesia plays a crucial role in maintaining national food security, but productivity often declines due to leaf disease attacks. Diseases such as blast, brown spot, and bacterial leaf blight are major diseases that can cause significant losses if not detected early. Conventional rice leaf disease identification is generally still done manually and relies on farmer experience, potentially leading to misdiagnosis. Therefore, this study aims to develop an automatic rice leaf disease detection system based on deep learning using the YOLOv8 algorithm. The dataset was obtained from direct imagery captured in agricultural fields in Jangan-Jangan Village, Barru Regency, which represents real-world conditions and includes three main types of diseases. The research stages include data annotation using Roboflow, model training with Google Colab, and performance evaluation using a confusion matrix, precision, recall, F1-score, and mean Average precision. The test results show that the YOLOv8 model is capable of detecting rice leaf diseases with high accuracy and fast inference time, thus potentially being implemented as a real-time early detection solution for rice diseases. Keyworsds: YOLOv8, Rice Disease Detection, Deep learning, Digital Imagery, Precision Farming, Roboflow,CNN.
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
Optimasi Manajemen Ruang Rawat Inap RS PKU Unismuh Makassar menggunakan Simulated Annealing Setiawan, Budi; Irhamna Rahman, Fachrim; Wahyuni, Titin
Journal of Muhammadiyah’s Application Technology Vol. 5 No. 1 (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/s90z9c81

Abstract

ABSTRAKManajemen ruang rawat inap berperan penting dalam meningkatkan mutu pelayanan rumah sakit. Keterbatasan kapasitas kamar dan sistem penjadwalan konvensional sering menyebabkan ketidakefisienan dalam alokasi ruang dan meningkatnya waktu tunggu pasien. Penelitian ini bertujuan mengoptimalkan manajemen ruang rawat inap di RS PKU Unismuh Makassar menggunakan algoritma Simulated Annealing. Metode penelitian menggunakan pendekatan kuantitatif dengan simulasi berbasis data pasien dan ketersediaan ruang rawat inap. Parameter yang digunakan meliputi tingkat urgensi medis, lama rawat inap, kelas ruang, dan ketersediaan tempat tidur. Hasil penelitian menunjukkan bahwa algoritma Simulated Annealing mampu meningkatkan efisiensi alokasi ruang, mengurangi waktu tunggu pasien, dan meningkatkan tingkat keterisian kamar.Selain itu, sistem yang dikembangkan mampu menghasilkan distribusi pasien yang lebih terstruktur dan objektif sehingga membantu pihak manajemen rumah sakit dalam pengambilan keputusan terkait penjadwalan dan pemanfaatan ruang rawat inap. Penerapan algoritma Simulated Annealing dalam penelitian ini menunjukkan potensi yang baik sebagai metode optimasi untuk meningkatkan efektivitas pengelolaan sumber daya rumah sakit secara berkelanjutan. Kata Kunci: Manajemen Ruang Rawat Inap, Simulated Annealing, Penjadwalan, Alokasi Kamar, Optimasi, Rumah Sakit   ABSTRACTInpatient room management plays an important role in improving the quality of hospital services. Limited room capacity and conventional scheduling systems often lead to inefficiencies in room allocation and increased patient waiting time. This study aims to optimize inpatient room management at RS PKU Unismuh Makassar using the Simulated Annealing algorithm. The research method applies a quantitative approach using simulation based on patient data and inpatient room availability. The parameters used include medical urgency level, length of stay, room class, and bed availability. The results show that the Simulated Annealing algorithm improves room allocation efficiency, reduces patient waiting time, and increases bed occupancy rates. In addition, the developed system is able to produce a more structured and objective patient distribution, thereby assisting hospital management in decision-making related to scheduling and the utilization of inpatient rooms. The implementation of the Simulated Annealing algorithm in this study demonstrates strong potential as an optimization method to improve the effectiveness of hospital resource management in a sustainable manner. Keywords: Inpatient Room Management, Simulated Annealing, Scheduling, Room Allocation, Optimization, Hospital
Analisis Hubungan Obesitas dan Diabetes Melitus Berdasarkan Usia dan Jenis Kelamin Menggunakan Algoritma Apriori Kotte, Erick Yusuf; Rachman, Fahrim Irhamna; Faisal, Muhammad; Wahyuni, Titin
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2556

Abstract

Penelitian ini bertujuan untuk menganalisis hubungan antara obesitas dan diabetes melitus berdasarkan usia dan jenis kelamin menggunakan algoritma Apriori. Data yang digunakan merupakan data sekunder dari Dinas Kesehatan Kota Makassar tahun 2023 hingga 2025 dalam bentuk agregat. Tahap praproses meliputi pembersihan data, transformasi, dan diskretisasi menggunakan metode tertil untuk mengubah data numerik menjadi data kategorikal. Algoritma Apriori diterapkan dengan minimum support sebesar 10% dan confidence sebesar 60% untuk mengidentifikasi aturan asosiasi. Hasil penelitian menunjukkan bahwa terdapat hubungan yang signifikan antara obesitas dan diabetes melitus, khususnya pada kelompok usia lanjut dan pasien perempuan. Nilai lift ratio tertinggi mencapai 5,581 yang menunjukkan adanya asosiasi yang kuat antar variabel. Validasi statistik menggunakan uji Chi-Square menunjukkan nilai p < 0,05, yang mengonfirmasi bahwa hubungan tersebut signifikan secara statistik. Penelitian ini memberikan wawasan yang berguna bagi institusi kesehatan dalam merancang strategi pencegahan yang lebih tepat sasaran.
Pemodelan dan Prediksi Kunjungan Pasien di Puskesmas Menggunakan Hidden Markov Model Ferdiansyah; Faisal, Muhammad; Rachman, Fahrim Irhamna; Wahyuni, Titin
Arus Jurnal Sains dan Teknologi Vol 4 No 1: April (2026)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v4i1.2559

Abstract

Penelitian ini menganalisis pola fluktuatif kunjungan pasien hipertensi di Puskesmas Kota Makassar tahun 2024 menggunakan pendekatan Hidden Markov Model (HMM) untuk mendukung perencanaan layanan kesehatan. Dengan menerapkan tiga state tersembunyi (rendah, normal, tinggi) serta distribusi Negative Binomial dan Poisson, model ini mampu menangkap dinamika perubahan rezim (regime switching) pada data yang mengalami over-dispersion. Hasil evaluasi menunjukkan tingkat akurasi yang sangat tinggi dengan nilai MAPE sebesar 0,88%, mengungguli metode Seasonal Naïve. Prediksi untuk Januari 2025 memperkirakan kunjungan sebanyak 22.988 pasien dengan probabilitas tertinggi pada kondisi normal. Dengan demikian, HMM terbukti efektif sebagai instrumen pengambilan keputusan strategis dalam pengelolaan sumber daya kesehatan di tingkat Puskesmas.
IMPLEMENTASI SISTEM DETEKSI PRODUK BOIKOT BERBASIS WEBSITE REAL-TIME MENGGUNAKAN METODE YOLOv10 Nur Rahman, Ahmad; Habi Talib, Emil Agusalim; Rachman, Fahrim Irhamna; Bakti, Rizki Yusliana; Faisal, Muhammad; S. Kuba, Muhammad Syafaat
PROGRESS Vol 18 No 1 (2026): April
Publisher : P3M STMIK Profesional Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56708/progres.v18i1.525

Abstract

Manual identification ofboycott products remains a challenge for the public due to limited access to information and the complexity of brand affiliations. This study aims to develop a real-time, website-based boycott product detection system using the You Only Look Once version 10 (YOLOv10) algorithm. The dataset consists of images of food and beverage product packaging collected from various online sources, annotated using the bounding box method, and classified into five categories. The model was trained and tested using separate test data, while performance evaluation was conducted using a confusion matrix with precision, recall, and f1-score metrics. In addition, functional testing of the system was performed using the Black Box Testing method. The result indicate that the YOLOv10 model is capable of detecting boycott product with good performance and can be effectively integrated into a real-time web-based system. The proposed system is expected to assist users in identifying boycott products more quickly and accurately.
Co-Authors Adrianingsih, Rizka Ahmad Faisal ANDIKA SAPUTRA Aras, Dara Ugi ardi24, ardiansyah_01 Aritmawijaya, Suandi Auliyah, Afifah Bakti, Rizki Yusliana Budi Setiawan Chyquitha, Chyquitha Danu Putri Chyquithadanuputri Dika, Andika Saputra Ferdiansyah H, chalidah_azzahra00 Habi Talib, Emil Agusalim Hasbir, Syahrul Hermanto, Chalidah Azzahrah Indriani, Lis Iskandar, Aryansyah Kamal, Safutri Kotte, Erick Yusuf La Ode Taufik Ismail La Ode Taufik Ismail LUKMAN ANAS Lukman Lukman Muhammad Faisal Muhyiddin A.M Hayat Mujadilah, Siti Mustakim Mustakim Nur Alam Nur Rahman, Ahmad Nur, Makmur Jaya Reski Awalia S. Kuba, Muhammad Syafa'at Salam, Abd Setiawan, Tommy Reynaldy Sri Hastati suandi_17, suandi_aritmawijaya Suhardi, Syahrul Tahir, Gempar Perkasa TAIBA, ANDI MAWADDA TAIBA MAWADDA Titin Wahyuni Uddin , Ardiansyah Virgiawan, David Arian Wibawa. Ar, Arya Yanti, Wilda