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 
ANALISIS DATA PENJUALAN OBAT BPJS MENGGUNAKAN METODE DIFERENSIAL DAN STRATEGI D-CRM Rizky Maulia; Titin Wahyuni; Fahrim Irhamna Rahman
Jurnal Ilmu Komputer (JUIK) Vol 5, No 3 (2025): OCTOBER 2025
Publisher : Universitas Muhammadiyah Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31314/juik.v5i3.4749

Abstract

Penelitian ini bertujuan untuk menganalisis data penjualan obat BPJS menggunakan metode diferensial yang terintegrasi dengan strategi Digital Customer Relationship Management (D-CRM) guna mendukung pengelolaan stok obat yang lebih efisien. Data transaksi pasien Program Rujuk Balik (PRB) di Apotek Kimia Farma Cendrawasih periode Januari 2022–Juli 2024 digunakan sebagai objek penelitian. Metode diferensial menghitung Δ1 dan Δ2 untuk mendeteksi perubahan tren penjualan obat, sedangkan strategi D-CRM berbasis RFM (Recency, Frequency, Monetary) digunakan untuk melakukan segmentasi pasien dan mengidentifikasi pola konsumsi. Hasil penelitian menunjukkan bahwa metode ini mampu memberikan gambaran menyeluruh terkait tren permintaan obat dan perilaku pasien. Model prediksi sederhana berbasis Qty + Δ1 + Δ2 menghasilkan akurasi tinggi dengan MAE 1,35, MSE 92,32, dan MAPE 3,35%, yang menandakan kesalahan prediksi relatif kecil dan layak dijadikan acuan perencanaan stok. Integrasi analisis diferensial dan D-CRM terbukti efektif untuk mendukung pengadaan obat yang tepat sasaran serta meningkatkan kualitas pelayanan farmasi bagi pasien BPJS.Keywords: Analisis diferensial, D-CRM, RFM, prediksi penjualan obat, BPJS.
DETEKSI TIMPA GAMBAR DENGAN TEKS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN OPTICAL CHARACTER RECOGNITION Muhammad Alif Syafan; Fahrim Irhamna Rachman; Darniati Darniati
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

Penyebaran disinformasi melalui manipulasi timpa gambar dengan teks semakin marak dan sulit dideteksi karena artefak visualnya yang sangat halus dan rentan tersamarkan oleh kompresi citra. Penelitian ini mengusulkan arsitektur multi-stream network multimodal untuk mendeteksi manipulasi tersebut. Kebaruan (novelty) dan kontribusi utama penelitian ini terletak pada integrasi adaptif antara analisis anomali visual tingkat piksel dan anomali tipografi menggunakan gated attention mechanism. Metode usulan menggabungkan Convolutional Neural Network (CNN) berarsitektur EfficientNet-B3 yang dipertajam Sobel filter sebagai pengekstraksi fitur visual, dengan Optical Character Recognition (OCR) berbasis EasyOCR sebagai pengekstraksi fitur statistik teks. Evaluasi terhadap dataset Real Text Manipulation (RTM) membuktikan bahwa model multimodal usulan lebih unggul dibandingkan model CNN tunggal. Pada ambang batas optimal 0,4961, model mencapai akurasi 73,18% dan F1-score 0,7959. Integrasi OCR terbukti sangat efektif menambal kelemahan deteksi visual murni dengan lonjakan tingkat recall mencapai 79,05%. Meskipun pengujian generalisasi pada dataset media sosial dan generative AI masih mengalami penurunan akibat domain gap kompresi ekstrem, integrasi CNN dan OCR secara signifikan berkontribusi meningkatkan sensitivitas deteksi manipulasi teks untuk keperluan forensik digital
Pendeteksi Objek Huruf Lontara Untuk Literasi ke Teks Latin Mohammad Ramadhan Zainuddin; Fahrim Irhamna Rahman; Titin Wahyuni
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/nth00674

Abstract

Kemajuan teknologi komputer telah mendorong inovasi dalam sistem pengenalan karakter otomatis, termasuk aksara Lontara’. Penelitian ini bertujuan mengevaluasi efektivitas algoritma deteksi objek YOLOv8 dalam mengenali dan mengklasifikasikan karakter aksara Lontara’ dengan akurasi tinggi. Studi dilakukan di Universitas Muhammadiyah Makassar menggunakan metode eksperimen berbasis pembelajaran mesin. Dataset yang digunakan terdiri dari gambar digital karakter Lontara’ yang telah diberi label secara manual. Data dibagi menjadi tiga bagian: 70% untuk pelatihan, 20% untuk validasi, dan 10% untuk pengujian model. Hasil evaluasi menunjukkan kinerja model sangat optimal, dengan akurasi sebesar 98,2%, presisi 98,1%, dan recall mencapai 100%. Capaian ini menandakan sistem memiliki efisiensi dan reliabilitas tinggi dalam mengenali serta mengklasifikasikan karakter aksara Lontara’ dalam berbagai kondisi visual. Temuan ini mendukung potensi implementasi model dalam dunia nyata. Sebagai pengembangan lebih lanjut, disarankan untuk memperluas variasi dataset agar model lebih mampu melakukan generalisasi. Selain itu, eksplorasi algoritma yang lebih modern atau pendekatan hibrida dengan teknik deep learning lain dapat meningkatkan kinerja dan ketahanan sistem terhadap situasi operasional yang kompleks. KATA KUNCIPengenalan Aksara Lontara’, YOLOv8, Deep Learning, Literasi. ABSTRACT: Rapid advancements in computer technology have driven innovation in automatic character recognition systems, including for the Lontara script. This study aims to evaluate the effectiveness of the YOLOv8 object detection algorithm in accurately recognizing and classifying Lontara characters. The research was conducted at Universitas Muhammadiyah Makassar using an experimental method based on machine learning. The dataset consisted of digital images of Lontara characters, which were manually labeled. The data was divided into three subsets: 70% for training, 20% for validation, and 10% for testing the model. The evaluation results showed that the model performed very well, achieving an accuracy of 98.2%, a precision of 98.1%, and a perfect recall of 100%. These results demonstrate the system’s high efficiency and reliability in recognizing and classifying Lontara characters under various visual conditions. The findings support the model's feasibility for real-world implementation. For future research, it is recommended to increase dataset diversity by involving more participants and image sources to enhance generalization capabilities. Additionally, exploring more advanced algorithms or hybrid approaches that combine multiple deep learning techniques may further improve the system’s performance and robustness in more complex operational scenarios.Keywords:Lontara Script Recognition, YOLOv8, Deep Learning, Literacy
Optimasi Penjadwalan dan Alokasi Kamar Rawat Inap RS PKU Unismuh Kota Makassar Menggunakan Priority Scheduling Ardiansyah Uddin; Fachrim Irhamna Rahman; Titin Wahyuni
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
Analisis Hubungan Obesitas dan Diabetes Melitus Berdasarkan Usia dan Jenis Kelamin Menggunakan Algoritma Apriori Erick Yusuf Kotte; Fahrim Irhamna Rachman; Muhammad Faisal; Titin Wahyuni
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; Muhammad Faisal; Fahrim Irhamna Rachman; Titin Wahyuni
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.
Klasifikasi Status Gizi Balita Menggunakan Algoritma Light Gradient Boosting Machine di Puskesmas Balibo Afifah Auliyah; Chyquithadanuputri; Fahrim Irhamna Rachman; Dara Ugi 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.v4i1.2591

Abstract

Status gizi balita merupakan indikator penting dalam menentukan tingkat kesehatan dan perkembangan anak. Penentuan status gizi secara konvensional sering kali membutuhkan waktu yang lama dan berpotensi menimbulkan kesalahan dalam proses identifikasi. Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita menggunakan algoritma Light Gradient Boosting Machine (LightGBM) sebagai pendekatan machine learning yang cepat dan akurat. Dataset yang digunakan berasal dari Puskesmas Balibo dengan jumlah data sebanyak 860 data balita yang mencakup variabel umur, jenis kelamin, tinggi badan, berat badan, BMI, indikator BB/U, dan TB/U. Tahapan penelitian meliputi pengumpulan data, preprocessing data, pembagian data latih dan data uji, pelatihan model LightGBM, serta evaluasi performa model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma LightGBM mampu menghasilkan performa klasifikasi yang baik dengan tingkat akurasi mencapai 94%. Model ini mampu mengidentifikasi kategori status gizi balita secara efektif dan efisien sehingga dapat membantu tenaga kesehatan dalam mendukung deteksi dini masalah gizi pada balita.
IMPLEMENTASI METODE HYBRID FUZZY JARO WINKLER DAN COSINE SIMILARITY PADA SISTEM PENCARIAN AYAT AL-QURAN BERBASIS TRANSLITERASI LATIN Gempar Perkasa Tahir; Emil Agusalim Habi Talib; Fahrim Irhamna Rachman
PROGRESS Vol 17 No 2 (2025): September
Publisher : P3M STMIK Profesional Makassar

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

Abstract

This research addresses the challenge of retrieving Qur’anic verses in Latin transliteration, which is hindered by the absence of a standardized orthography, leading to diverse spelling variations. The study aims to design and implement a hybrid information retrieval system that integrates Fuzzy Jaro-Winkler for lexical similarity and Cosine Similarity on finetuned DistilBERT embeddings for semantic relevance. The system workflow begins with preprocessing and normalization of the dataset, followed by initial candidate selection using Jaro-Winkler, and final reranking through semantic similarity scoring. Evaluation was conducted using black-box testing across scenarios including ideal queries, spelling variations, incomplete queries, and varying query lengths. Results show high accuracy for ideal (96%) and varied spelling queries (92%), with performance improving as query length increases, reaching 96% for four-word queries. The hybrid approach effectively bridges lexical and semantic gaps, outperforming single-method baselines, and demonstrates robustness in handling non-standard transliteration in Qur’anic text retrieval.
IMPLEMENTASI SISTEM DETEKSI PRODUK BOIKOT BERBASIS WEBSITE REAL-TIME MENGGUNAKAN METODE YOLOv10 Ahmad Nur Rahman; Emil Agusalim Habi Talib; Fahrim Irhamna Rachman; Rizki Yusliana Bakti; Muhammad Faisal; Muhammad Syafaat S.Kuba
PROGRESS Vol 18 No 1 (2026): April
Publisher : P3M STMIK Profesional Makassar

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

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.
PENERAPAN MODEL ESRGAN UNTUK UPSCALING CITRA DAN VIDEO DIGITAL Syahrul Suhardi; Emil Agusalim Habi Talib; Fahrim Irhamna Rachman; Titin Wahyuni; Muhammad Faisal; Muhammad Syafaat S.Kuba
PROGRESS Vol 18 No 1 (2026): April
Publisher : P3M STMIK Profesional Makassar

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

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.
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