Article Per Year (5 Year)
p-Index From 2021 - 2026
6.888
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) Nusantara Hasana Journal 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 Data Analytics, Information, and Computer Science (JDAICS) 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 Nursing Public Health Social Sciences Other

Published : 57 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 57 Documents
Search

 2   3   4   5   6 
MONITORING DAN NOTIFIKASI REAL-TIME PERUBAHAN FILE PADA WEB SERVER MENGGUNAKAN WATCHDOG DAN TELEGRAM BOT SEBAGAI SISTEM PERINGATAN DINI Syahrul Hasbir; 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

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.
IMPLEMENTASI MODEL TRANSFORMER INDOBERT BERBASIS DEEP LEARNING UNTUK DETEKSI SPAM PESAN TEKS BERBAHASA INDONESIA Annisa Alfrini; Desi Anggreani; 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 | DOI: 10.70248/jcsit.v3i3.4147

Abstract

Perkembangan teknologi informasi dan komunikasi dalam beberapa tahun terakhir telah mendorong peningkatan penggunaan media digital secara masif, salah satunya adalah aplikasi Telegram. Namun, fenomena ini memunculkan permasalahan baru, yaitu ancaman penyebaran pesan spam yang tidak terkendali, berpotensi mengganggu kenyamanan, menyebabkan kerugian finansial, serta mengancam keamanan data pengguna akibat skema penipuan. Penelitian ini bertujuan untuk mengimplementasikan model deep learning berbasis arsitektur Transformer, secara spesifik menggunakan model IndoBERT, untuk mendeteksi dan mengklasifikasikan pesan teks Telegram berbahasa Indonesia ke dalam kategori spam dan non-spam (ham). Penelitian ini memanfaatkan dataset seimbang yang berjumlah 5.971 pesan teks (2.979 spam dan 2.992 non-spam), yang dikumpulkan secara langsung melalui metode scraping dari berbagai grup Telegram publik. Tahapan penelitian dirancang secara sistematis, meliputi prapemrosesan teks (case folding, cleaning, dan tokenisasi awal), tokenisasi lanjutan menggunakan metode WordPiece, penyesuaian parameter, serta proses fine-tuning pada model pralatih IndoBERT. Evaluasi performa model diukur secara komprehensif menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa model IndoBERT berhasil mengidentifikasi pola linguistik spam, termasuk penggunaan bahasa informal, tautan eksternal, hingga manipulasi karakter. Model menghasilkan kinerja klasifikasi yang sangat optimal dengan perolehan nilai akurasi sebesar 97,32%, presisi 98,62%, recall 95,97%, dan F1-score 97,28%. Selain itu, pengujian langsung terhadap 10 sampel data baru (unseen data) menunjukkan tingkat keberhasilan prediksi sebesar 100% secara spesifik pada skala pengujian tersebut. Kesimpulannya, pendekatan model IndoBERT terbukti sangat efektif, tangguh, dan adaptif untuk diimplementasikan sebagai sistem penyaringan spam otomatis secara real-time pada teks berbahasa Indonesia.
Analisis Perbandingan Metode Single Moving Average dan Single Exponential Smoothing Dalam Prediksi Penjualan Obat Pada Apotek Rinra Medika Muhammad Dzulfikar Hidayat; Fahrim Irhamna Rachman; Darniati
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.v4i1.3321

Abstract

Pengelolaan persediaan obat pada apotek memerlukan perencanaan berbasis data historis untuk menekan risiko kekurangan maupun kelebihan stok. Penelitian ini bertujuan membandingkan kinerja metode Single Moving Average (SMA) dan Single Exponential Smoothing (SES) dalam memprediksi penjualan obat pada Apotek Rinra Medika. Data yang digunakan berupa penjualan PARASETAMOL 500 PIM periode Agustus 2023 hingga Desember 2025 dengan total 29 periode. Penelitian menggunakan pendekatan kuantitatif komparatif. Pada metode SMA, beberapa konfigurasi periode diuji dan diperoleh SMA-4 sebagai konfigurasi terbaik, sedangkan metode SES menggunakan α = 0,1. Kinerja kedua metode dibandingkan berdasarkan Mean Absolute Deviation (MAD), Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan waktu komputasi. Hasil penelitian menunjukkan bahwa SMA-4 menghasilkan MAD sebesar 20,531250, MSE sebesar 736,007812, dan MAPE sebesar 318,846585%, sedangkan SES α = 0,1 menghasilkan MAD sebesar 20,807524, MSE sebesar 690,543147, dan MAPE sebesar 318,380250%. Waktu komputasi SMA-4 sebesar 0,000082 detik, sedangkan SES α = 0,1 sebesar 0,000014 detik. SES α = 0,1 unggul pada tiga dari empat parameter evaluasi sehingga ditetapkan sebagai metode yang relatif lebih unggul pada dataset penelitian.
PENGEMBANGAN GAME EDUKASI AR DENGAN NPC GURU VIRTUAL BERBASIS MEDIAPIPE DAN AI VOICE INTERACTION Muh. Hasrul; Fahrim Irhamna Rachman; Runal Rezkiawan
Nusantara Hasana Journal Vol. 6 No. 3 (2026): Nusantara Hasana Journal, August 2026
Publisher : Yayasan Nusantara Hasana Berdikari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59003/nhj.v6i3.2328

Abstract

The development of interactive learning media has been supported by the integration of Augmented Reality (AR), Artificial Intelligence (AI), and voice interaction technologies. However, learning applications that integrate AR with virtual teacher characters and multiple forms of interaction are still challenging to implement, particularly in terms of system integration and device limitations. This study aims to develop an educational game based on Augmented Reality with a Virtual Teacher NPC that integrates AI, voice interaction, ML Kit Optical Character Recognition (OCR), MediaPipe, chat, and quiz features. The application was developed using Unity and AR Foundation, with Google Gemini used to generate AI responses. Voice interaction was implemented through Speech-to-Text (STT) and Text-to-Speech (TTS), while ML Kit OCR was used to recognize text from scanned learning materials. MediaPipe was implemented to process visual information from the user's face as a supporting component for NPC interaction. The system was evaluated using Black Box Testing, System Usability Scale (SUS), and User Acceptance Testing (UAT). The results of Black Box Testing showed that most of the main functions operated according to the designed scenarios, although several functions were partially successful due to OCR image quality and MediaPipe implementation limitations. Testing with 20 respondents produced an average SUS score of 63.88, while UAT produced an average score of 3.58 out of 5 or 71.61%. These results indicate that the developed application can function as an interactive educational media, although improvements are still required in usability, OCR performance, and MediaPipe implementation.
IMPLEMENTASI SUPPORT VECTOR MACHINE (SVM) DALAM KLASIFIKASI PENYAKIT ASMA BERDASARKAN DATA REKAM MEDIS M. Ray Togubu; Fahrim Irhamna Rachman; Darniati Darniati
Journal of Data Analytics, Information, and Computer Science Vol. 3 No. 3 (2026): Juli
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jdaics.v3i3.4435

Abstract

Penyakit asma memiliki pola gejala, faktor risiko, dan fungsi paru yang heterogen sehingga identifikasi berbasis rekam medis memerlukan pendekatan yang objektif dan terukur. Penelitian ini mengimplementasikan Support Vector Machine (SVM) kernel Radial Basis Function (RBF) untuk mengklasifikasikan pasien tidak asma/normal dan asma berdasarkan 1.087 rekam medis RSUD Tidore periode 1 Januari 2021–31 Desember 2025 dengan 13 fitur klinis. Data dibagi secara stratified menjadi 80% data latih dan 20% data uji; MinMaxScaler ditempatkan dalam pipeline untuk mencegah information leakage. Hyperparameter C dan gamma dioptimasi menggunakan Grid Search dengan stratified 5-fold cross-validation pada data latih, dan kestabilan model dievaluasi menggunakan nested stratified 5-fold cross-validation. Parameter terbaik pada data latih adalah C=30 dan gamma=0,01. Pada holdout test set, model menghasilkan TN=89, FP=1, FN=6, dan TP=122 dengan akurasi 96,79%, presisi 99,19%, sensitivitas 95,31%, spesifisitas 98,89%, F1-score 97,21%, Matthews Correlation Coefficient (MCC) 0,935, dan ROC-AUC 0,9949. Nested cross-validation menghasilkan ROC-AUC 0,9898±0,0049 dan akurasi 95,21±1,56%, yang menunjukkan performa relatif stabil pada pembagian data yang berbeda. Permutation importance menempatkan FEV1, dada terasa berat, riwayat keluarga asma, dan sesak napas sebagai fitur dengan kontribusi prediktif terbesar. Enam false negative terutama menunjukkan ketiadaan sesak napas dan gejala malam hari, sehingga penekanan false negative tetap penting dari perspektif patient safety. Keterbatasan penelitian meliputi data satu pusat, distribusi kelas yang tidak sepenuhnya seimbang, ketidaktersediaan provenance rinci label diagnosis, dan metadata unit spirometri. Model diposisikan sebagai Clinical Decision Support System dan tidak menggantikan diagnosis profesional dokter.  
IMPLEMENTASI MEKANISME QUEUE DAN WORKER UNTUK OPTIMASI UTILISASI GPU DALAM PEMROSESAN LAYANAN AI PADA BACKEND Syahrul Ramadhan; Muhyiddin AM Hayat; Rizki Yusliana Bakti; Titin Wahyuni; Fahrim Irhamna Rachman; Darniati
Journal of Computer Science and Information Technology Vol. 3 No. 4 (2026): September
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jcsit.v3i4.4439

Abstract

Pengembangan layanan Kecerdasan Buatan (AI) berbasis Large Language Models (LLM) telah meningkatkan kebutuhan akan sistem backend yang mampu menangani proses inferensi secara efisien. Proses inferensi yang berjalan pada Graphics Processing Units (GPU) membutuhkan komputasi yang intensif, yang berpotensi menyebabkan hambatan (bottleneck) dan penggunaan GPU yang tidak optimal. Penelitian ini bertujuan untuk mengimplementasikan mekanisme queue dan worker pada backend layanan AI berbasis GPU, menganalisis dampak variasi jumlah worker terhadap kinerja sistem dan penggunaan GPU, serta menentukan konfigurasi worker yang paling optimal. Sistem ini dikembangkan menggunakan bahasa pemrograman Go dengan arsitektur berlapis, Redis sebagai message queue, Asynq sebagai pengelola queue dan worker, serta vLLM sebagai layanan inferensi AI berbasis GPU. Pengujian dilakukan menggunakan K6 dengan beban 50 virtual users selama 60 detik pada konfigurasi dengan 1, 2, 4, 8, dan 16 worker. Parameter yang dianalisis meliputi waktu respons (response time), throughput, tingkat kesalahan (error rate), penggunaan GPU (GPU utilization), dan waktu GPU menganggur (GPU idle time). Hasil penelitian menunjukkan bahwa peningkatan jumlah worker meningkatkan throughput dari 26,60 menjadi 142,91 requests/s, mengurangi waktu respons dari 1.904 menjadi 343,54 ms, dan meningkatkan penggunaan GPU dari 80,21% menjadi 100%. Semua konfigurasi menghasilkan error rate sebesar 0%, sementara waktu GPU menganggur menurun dari 18,3% menjadi 0%. Berdasarkan seluruh parameter pengujian, konfigurasi 8 worker memberikan keseimbangan terbaik antara kecepatan respons, kapasitas pemrosesan, dan efisiensi penggunaan GPU, sehingga menjadikannya konfigurasi paling optimal dalam lingkungan pengujian penelitian ini.
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
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 Indriani, Lis Iskandar, Aryansyah Ismail, La Ode Taufik Kamal, Safutri La Ode Taufik Ismail La Ode Taufik Ismail LUKMAN ANAS Lukman Lukman LUKMAN, LUKMAN M. Ray Togubu Mohammad Ramadhan Zainuddin Muh. Hasrul Muhammad Alif Syafan Muhammad Daffa Ruwaid Aras Muhammad Dzulfikar Hidayat 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 Runal Rezkiawan Salam, Abd Sari, Selvi Permata Setiawan, Tommy Reynaldy Sri Hastati Sry Yunarti Suhardi, Syahrul Syahrul Hasbir Syahrul Ramadhan Syahrul Suhardi Tahir, Gempar Perkasa Titin Wahyuni Titin Wahyuni Virgiawan, David Arian Wibawa. Ar, Arya Yanti, Wilda Zulkifli Halim