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

 2   3   4   5   6 
PENERAPAN MODEL ESRGAN UNTUK UPSCALING CITRA DAN VIDEO DIGITAL Suhardi, Syahrul; Habi Talib, Emil Agusalim; Rachman, Fahrim Irhamna; Wahyuni, Titin; 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.v18i1.539

Abstract

Low-resolution images and videos remain a common problem in various digital applications due to limited visual quality. Conventional interpolation-based upscaling methods often produce blurry results and lead to the loss of important texture details. This study aims to apply the Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) to improve the resolution of digital images and videos. The dataset used consists of low-resolution images and videos that are processed through preprocessing, model training, and testing stages using the Google Colab environment. The ESRGAN model is trained to generate high-resolution images while preserving visual details and structural information. Model performance is evaluated using the Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index Measure (SSIM), and visual comparison between images before and after the upscaling process. The results show that ESRGAN significantly improves the quality of images and videos compared to conventional interpolation methods, both quantitatively and qualitatively. Therefore, the application of ESRGAN is considered effective for enhancing the resolution of digital images and videos and can be utilized in applications that require high visual quality.
MONITORING DAN NOTIFIKASI REAL-TIME PERUBAHAN FILE PADA WEB SERVER MENGGUNAKAN WATCHDOG DAN TELEGRAM BOT SEBAGAI SISTEM PERINGATAN DINI Hasbir, Syahrul; Habi Talib, Emil Agusalim; Rachman, Fahrim Irhamna; Wahyuni, Titin; 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.v18i1.540

Abstract

Web servers are critical infrastructures for delivering digital services and are highly vulnerable to unauthorized file changes that may threaten system security and service availability. However, many conventional monitoring systems still rely on periodic checking mechanisms, which often fail to provide timely detection of security incidents. This study aims to design and implement a real-time file change monitoring system on a web server using the Watchdog library and a Telegram Bot as an early warning mechanism. The research adopts an applied research method with an experimental approach. The system is developed using the Python programming language and evaluated in a local XAMPP-based web server environment, with the uploads directory selected as the monitoring target. Experimental results demonstrate that the proposed system is capable of detecting various file change events, including file creation, deletion, content modification, and file renaming, in real time without event loss. Notifications delivered via the Telegram Bot provide clear, timely, and actionable information to administrators. These findings indicate that the proposed event-driven monitoring system is effective and efficient in enhancing web server security and improving incident response capabilities.
Analisis Penempatan TPS Berdasarkan Klaster Jarak Menggunakan Algoritma Dijkstra Zulkifli Halim; Chyquitha Danuputri; Fahrim Irhamna Rachman
Journal of Muhammadiyah’s Application Technology Vol. 5 No. 2 (2026)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/z44bm024

Abstract

ABSTRAKPemetaan dan penempatan Tempat Pemungutan Suara (TPS) merupakan aspek penting dalam penyelenggaraan pemilihan umum karena berpengaruh langsung terhadap aksesibilitas pemilih dan efisiensi distribusi Daftar Pemilih Tetap (DPT). Permasalahan yang sering muncul adalah ketidakseimbangan jumlah DPT antar TPS serta jarak tempuh pemilih yang kurang optimal. Penelitian ini bertujuan untuk memetakan dan mengelompokkan TPS berdasarkan klaster jarak dengan mempertimbangkan distribusi DPT menggunakan pendekatan komputasional. Metode yang digunakan mengombinasikan algoritma Dijkstra untuk menghitung jarak terpendek antar titik wilayah dan algoritma K-Means untuk melakukan pengelompokan TPS berdasarkan kedekatan geografis. Data yang digunakan berupa data DPT tingkat RT/RW beserta koordinat geografisnya pada satu wilayah kelurahan sebagai studi kasus. Hasil penelitian menunjukkan bahwa pendekatan klasterisasi berbasis jarak mampu menghasilkan pembagian TPS yang lebih terstruktur, seimbang dari sisi jumlah DPT, serta meningkatkan efisiensi jangkauan wilayah layanan TPS. Dengan demikian, metode yang diusulkan dapat menjadi alternatif pendukung pengambilan keputusan dalam perencanaan dan penataan TPS secara objektif dan berbasis data.Kata Kunci:  Pemetaan TPS, Daftar Pemilih Tetap, Dijkstra, K-Means, Klaster Jarak ABSTRACTMapping and placement of polling stations are crucial aspects of election management, as they directly affect voter accessibility and the efficiency of voter distribution. Common challenges include imbalanced numbers of registered voters among polling stations and suboptimal travel distances for voters. This study aims to map and cluster polling stations based on distance while considering the distribution of registered voters using a computational approach. The proposed method combines the Dijkstra algorithm to calculate shortest paths between regional points and the K-Means algorithm to perform clustering based on geographical proximity. The dataset consists of registered voter data at the neighborhood level along with their geographic coordinates within a selected urban area as a case study. The results indicate that distance-based clustering produces a more structured distribution of polling stations, achieves a more balanced voter allocation, and improves service coverage efficiency. Therefore, the proposed approach can serve as a data-driven and objective decision-support method for planning and organizing polling station placement.Keywords : Polling Station Mapping, Registered Voters, Dijkstra Algorithm, K-Means Clustering, Distance-Based Clustering
Analisis Hubungan Iklim Kelas dengan Tingkat Stres Akademik Siswa Berdasarkan Klasifikasi Teks Menggunakan Model Indobert Rayhanatul Jannah; Chyquithadanuputri; Fahrim Irhamna Rachman; Muhammad Daffa Ruwaid Aras
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.v4i1.2850

Abstract

Stres akademik dapat memengaruhi kesejahteraan psikologis dan prestasi belajar siswa. Penelitian ini bertujuan mengevaluasi kinerja model IndoBERT dalam mengklasifikasikan tingkat stres akademik berdasarkan teks refleksi serta menganalisis hubungan antara iklim kelas dan tingkat stres akademik. Penelitian menggunakan pendekatan kuantitatif dengan data berupa teks refleksi dan skor iklim kelas dari 1.000 siswa. Model IndoBERT di-fine-tune untuk mengklasifikasikan stres akademik ke dalam kategori rendah, sedang, dan tinggi, sedangkan hubungan antarvariabel dianalisis menggunakan korelasi Spearman. Hasil menunjukkan bahwa IndoBERT mencapai akurasi 91%. Analisis korelasi menghasilkan koefisien Spearman sebesar -0,259 dengan p < 0,05, yang menunjukkan hubungan negatif lemah namun signifikan. Temuan ini menunjukkan bahwa IndoBERT efektif untuk klasifikasi stres akademik berbasis teks dan bahwa iklim kelas yang lebih positif berkaitan dengan tingkat stres akademik yang lebih rendah.
SISTEM KELAYAKAN PENERIMA BANTUAN SOSIAL MENGGUNAKAN ALGORITMA CATBOOST CLASSIFIER (STUDI KASUS KABUPATEN LUWU) Besse Taleha; Ida Mulyadi; Fahrim Irhamna Rachman
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

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

Abstract

Penelitian ini membahas pengembangan sistem kelayakan penerima bantuan sosial berbasis situs web dengan menerapkan algoritma CatBoost Classifier pada studi kasus Kabupaten Luwu. Dataset awal yang digunakan berjumlah 1.670 data calon penerima bantuan sosial. Permasalahan utama penelitian adalah proses seleksi penerima bantuan yang masih berpotensi mengalami ketidaktepatan sasaran karena melibatkan banyak variabel sosial ekonomi. Penelitian ini bertujuan membangun sistem yang mampu mengelola data masyarakat dan memberikan klasifikasi status Layak atau Tidak Layak. Variabel yang digunakan meliputi usia, pekerjaan, penghasilan per bulan, jumlah tanggungan, kondisi rumah, aset, dan status kelayakan sebagai label. Tahapan penelitian meliputi pengumpulan data, prapengolahan, pembagian data, pelatihan model CatBoost, implementasi sistem, serta pengujian Black Box. Hasil evaluasi menunjukkan akurasi 93,71% pada data uji dengan precision kelas Layak sebesar 0,94, recall kelas Layak sebesar 0,92, precision kelas Tidak Layak sebesar 0,94, dan recall kelas Tidak Layak sebesar 0,95. Sistem yang dibangun mampu membantu proses pendataan dan rekomendasi kelayakan bantuan sosial secara lebih terstruktur.
KLASIFIKASI RISIKO PENYAKIT JANTUNG BERBASIS DATA REKAM MEDIS MENGGUNAKAN CATBOOST Hanna Maryam; Fahrim Irhamna Rachman; Chyquitha Danuputri
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

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

Abstract

Penyakit jantung memerlukan deteksi dini agar pasien berisiko dapat diidentifikasi lebih cepat berdasarkan data klinis yang tersedia. Penelitian ini bertujuan menerapkan algoritma CatBoost untuk klasifikasi risiko penyakit jantung menggunakan data rekam medis pasien RSUD Haji Makassar. Dataset terdiri atas 640 data pasien periode 2021–2025 dengan fitur jenis kelamin, usia, glukosa, ureum, kreatinin, SGOT, SGPT, tekanan darah sistolik, dan tekanan darah diastolik. Target klasifikasi dibentuk berdasarkan diagnosis ICD-10 menjadi dua kelas, yaitu tidak berisiko dan berisiko penyakit jantung. Tahapan penelitian meliputi pembersihan data, imputasi nilai hilang menggunakan median, pembagian data latih dan data uji, pelatihan model CatBoost, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, AUC-ROC, dan 5-fold cross-validation. Hasil pengujian menunjukkan accuracy 96,09%, weighted F1-score 94,18%, macro F1-score 49,00%, dan AUC-ROC 0,8943. Meskipun metrik agregat terlihat tinggi, confusion matrix menunjukkan model memprediksi seluruh data uji sebagai kelas berisiko dan gagal mengenali kelas tidak berisiko. Oleh karena itu, model belum layak diarahkan pada aplikasi klinis sebelum dilakukan perbaikan melalui pembobotan kelas, penyesuaian ambang keputusan, evaluasi imputasi yang lebih adaptif, dan validasi eksternal.
PENERAPAN METODE LIGHT GRADIENT BOOSTING MACHINE (LIGHTGBM) DALAM KLASIFIKASI JENIS PENYAKIT ASAM LAMBUNG BERDASARKAN GEJALA Nur Fadillah Sari; Chyquitha Danu Putri; Fahrim Irhamna Rachman
Journal of Computer Science and Information Technology Vol. 3 No. 3 (2026): Juni
Publisher : Yayasan Nuraini Ibrahim Mandiri

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

Abstract

Penyakit asam lambung merupakan gangguan pencernaan yang memiliki gejala saling menyerupai pada beberapa jenis penyakit, khususnya Dispepsia, Gastroesophageal Reflux Disease (GERD), dan Gastritis. Kesamaan gejala tersebut dapat menyulitkan identifikasi awal sehingga diperlukan pendekatan klasifikasi berbasis data. Penelitian ini menerapkan metode Light Gradient Boosting Machine (LightGBM) untuk mengklasifikasikan jenis penyakit asam lambung berdasarkan data gejala pasien RSUD Daya Kota Makassar. Dataset yang digunakan berjumlah 976 data pasien dengan 19 atribut gejala dan tiga kelas diagnosis. Tahapan penelitian meliputi preprocessing, transformasi nilai gejala menjadi numerik, label encoding diagnosis, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, dan feature importance. Model menggunakan konfigurasi default LGBMClassifier tanpa proses hyperparameter tuning. Hasil pengujian menunjukkan bahwa skenario utama 80:20 menghasilkan accuracy 88,78%, precision 88,93%, recall 88,78%, dan F1-score 88,81%, sedangkan skenario 90:10 memperoleh accuracy tertinggi sebesar 89,80%. Fitur paling berpengaruh adalah mual, diare, muntah, anemia, dan gangguan tidur. Hasil ini menunjukkan bahwa LightGBM efektif sebagai model pendukung identifikasi awal jenis penyakit asam lambung berdasarkan gejala pasien.
ESRGAN-Enhanced YOLOv12 for Rice Leaf Disease Detection with Dataset Partitioning Analysis Ahmad Fathir; Ida Mulyadi; Fahrim Irhamna
Journal of Information System and Informatics Vol 8 No 3 (2026): June
Publisher : Asosiasi Doktor Sistem Informasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63158/journalisi.v8i3.1648

Abstract

Rice leaf diseases pose a significant threat to agricultural productivity, yet accurate automated detection remains challenging due to low image quality in field conditions. This study proposes the integration of ESRGAN-based super-resolution with YOLOv12 for rice leaf disease detection using a dataset of 6,204 annotated field images spanning five classes: bacterial leaf blight, brown spot, healthy leaves, hispa, and leaf blast. To prevent data leakage, all images were partitioned into training, validation, and testing subsets prior to augmentation; under the S3 scenario (75:10:15), the training set was expanded from 4,653 to 13,959 images through augmentation. ESRGAN RRDB 4× enhancement was applied exclusively to all test-set images, enabling a clean before-and-after comparison without contaminating training data. The primary finding is that ESRGAN produces a modest but consistent improvement in detection performance: mAP@0.5 increased from 0.949 to 0.955, and mAP@0.5:0.95 increased from 0.910 to 0.925. Per-class analysis shows the largest gains in visually challenging classes, particularly Leaf Blast (+0.073) and Hispa (+0.060). Additionally, four dataset partitioning scenarios (S1–S4) were trained and evaluated under identical settings; as a preliminary observation, the S3 configuration offered a balanced trade-off between training data availability and test-set reliability, though definitive conclusions require further validation through repeated experimental runs.
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
Pelatihan Koding dan Kecerdasan Artifisial bagi Guru Sekolah Menengah Atas dan Kejuruan di Kabupaten Jeneponto Provinsi Sulawesi Selatan Ida Mulyadi; Chyquita Danuputri; Rizki Yusliana; Fahrim Irhamna; Sry Yunarti; Rosnani Rosnani
I-Com: Indonesian Community Journal Vol 6 No 1 (2026): I-Com: Indonesian Community Journal (Maret 2026)
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/i-com.v6i1.8817

Abstract

Kegiatan ini merupakan inisiatif dari Kementerian Pendidikan Dasar dan Menengah untuk menerapkan pengetahuan ini kedalam kurikulum sekolah sebagai mata pelajaran pilihan. Pelatihan ini bertujuan untuk memberikan pelatihan Koding dan Kecerdasan Artifisial (KA) bagi pendidik di Sekolah Menengah Atas (SMA) dan Sekolah Menengah Kejuruan (SMK) di Kabupaten Jeneponto, Provinsi Sulawesi Selatan. Pelatihan ini sangat penting bagi pendidik untuk mempersiapkan siswa menghadapi tantangan revolusi industri 4.0 dan untuk meningkatkan kompetensi guru dalam mengajar materi terkait Koding serta memberikan pemahaman mengenai penerapan KA dalam pendidikan dan industri. Metode yang digunakan pada kegiatan ini adalah ceramah, diskusi, demonstrasi, dan praktek. Peserta pelatihan menerima materi dasar mengenai koding, pengenalan terhadap bahasa pemrograman, serta konsep-konsep dasar kecerdasan buatan yang relevan. Hasil pelatihan menunjukkan peningkatan signifikan dalam pengetahuan dan keterampilan guru terkait pengkodean dan KA, serta minat mereka untuk menerapkan pengetahuan ini dalam proses pembelajaran. Secara keseluruhan, pelatihan ini berhasil memberikan pemahaman yang lebih mendalam kepada guru-guru SMA dan SMK di Kabupaten Jeneponto mengenai Koding dan Kecerdasan Artifisial untuk mendukung kemajuan pendidikan.
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