Claim Missing Document
Check
Articles

Found 5 Documents
Search

Analisis Monitoring Gerakan Duduk dengan Menggunakan Metode Mobile Net Ssd pada Karyawan Aiman , Ailul; Rahman, Fahrim Irhamna; Wahyuni, Titin
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1211

Abstract

Produktivitas merupakan faktor kunci dalam keberhasilan organisasi di dunia kerja modern. Karyawan yang sehat dan nyaman cenderung lebih produktif dan inovatif. Namun, postur tubuh yang buruk saat duduk dapat menyebabkan kelelahan, nyeri punggung bawah, serta penurunan produktivitas. Untuk mengatasi masalah ini, teknologi pemantauan postur duduk berbasis computer vision semakin berkembang. Salah satu metode yang efektif adalah MobileNet Single Shot Detector (SSD), yang digunakan untuk mendeteksi dan menganalisis postur duduk. MobileNet SSD dapat mengenali berbagai pose duduk secara cepat dan memberikan umpan balik instan kepada karyawan mengenai posisi duduk yang ergonomis. Penelitian ini bertujuan untuk mengukur akurasi MobileNet SSD dalam mendeteksi gerakan duduk yang baik dan buruk, serta untuk menganalisis potensi penerapan teknologi ini dalam lingkungan kerja. Hasil penelitian menunjukkan bahwa MobileNet SSD memiliki akurasi yang tinggi dalam mendeteksi postur duduk, yang dapat membantu perusahaan untuk meningkatkan kesejahteraan karyawan dan merancang strategi kerja yang lebih efisien di masa depan.
Sistem Klasifikasi Kerusakan Jalan Metode Machine Learning dengan Algoritma K-Means dan Random Forest Rahman, Fahrim Irhamna; Lukman, Lukman; Hildayati, Hildayati
Arus Jurnal Sains dan Teknologi Vol 3 No 1: April (2025)
Publisher : Arden Jaya Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57250/ajst.v3i1.1212

Abstract

Kerusakan jalan merupakan masalah yang signifikan dalam infrastruktur transportasi, yang dapat mempengaruhi kenyamanan dan kesalamatan pengguna jalan. Penelitian ini bertujuan untuk mengklasifikasi kerusakan jalan berdasarkan data yang diambil dari survey lapangan dengan menggunakan algoritma k-means dan random forest. Metode machine learning dengan menggunakan algoritma k-means dan random forest dipilih karena kemampuannya dalam mengklasifikasi dan mengelompokkan data berdasarkan kedekatan jarak antar sampel, dan dapat dapat mempercepat proses pemeliharaan jalan. Data yang digunakan mencakup pengukuran kondisi jalan, antara lain panjang jalan dalam kondisi baik, sedang, rusak, dan rusak berat. Fitur-fitur ini dipilih untuk mempresentasikan tingkat kerusakan jalan yang sesuai dengan algoritma k-means dan random forest. Penelitian ini dimulai dengan pra-pemrosesan data dan pengelompokkan data menggunakan algoritma k-means, termasuk penanganan nilai yang hilang dan standarisasi fitur, dan diikuti dengan implementasi algoritma random forest untuk klasifikasi. Kinerja model dievaluasi menggunakan confusion matrikx dan classification report, yang menunjukkan bahwa random forest mampu mengklasifikasi kerusakan jalan dengan akurasi yang benar. Kemudian hasil prediksi divalidasi dan disimpan untuk analisis lebih lanjut. Penelitian ini merupakan pengembangan model klasifikasi yang mendukung pengambilan keputusan yang terkait pemeliharaan dan perbaikan jalan secara efektif dan efisien. Penelitian ini berhasil membangun system klasifikasi kerusakan jalan dengan menggabungkan algoritma K-Means untuk pengelompokkan dan Random Forest untuk klasifikasi. Model tersebut dapat memberikan akurasi yang tinggi dalam mengidentifikasi tingkat kerusakan jalan, yang dapat mendukung upaya pemeliharaan jalan yang lebih efektif.
Implementasi Augmented Reality pada Game Mobile dalam Memperkenalkan Sejarah Kemerdekaan Republik Indonesia Rahman, Fahrim Irhamna; Ismail, La Ode Taufik; Bakti, Rizki Yusliana
Ainet : Jurnal Informatika Vol. 5 No. 1 (2023): Maret (2023)
Publisher : Universitas Muhammadiyah Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26618/ainet.v5i1.12841

Abstract

Sudah banyaknya game edukasi sejarah yang dibuat namun belum ada yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Penelitian ini bertujuan agar menghasilkan aplikasi game yang menggunakan teknologi augmented reality sebagai media untuk menarik minat masyarakat khususnya pelajar dalam mengenalkan sejarah perjuangan kemerdekaan khususnya peristiwa 10 november 1945. Dalam pembuatan game ini melalui beberapa tahap, antara lain pembuatan usecase diagram, activity diagram, sequence diagram, perancangan komponen permainan dan pengujian aplikasi yang dimana pengujian aplikasi ini terdiri dari pengujian blackbox, pengujian intensitas cahaya dan pengujian respon siswa terhadap game edukasi sejarah ini. Di dalam game ini terdapat tank sebagai pemain serta turret dan tankmusuh sebagai lawan dari pemain dan juga terdapat cutscene intro dan outro yang digunakan sebagai media yang akan memberikan informasi pembelajaran didalam game ini. Kesimpulan yang didapatkan dari hasil pengujian game ini dimana para pelajar menikmati serta menanggapi bahwasanya game augmented reality ini dianggap menarik oleh mereka dalam mempelajari sejarah perjuangan kemerdekaan republik Indonesia sehingga mereka ingin kembali bermain dan mencoba jenis game edukasi yang serupa dan sejenis.
PREDIKSI PENJUALAN OBAT MENGGUNAKAN MODEL LSTM DAN ANALISIS TIME SERIES PADA DATA TRANSAKSI PASIEN BPJS Basyar, Muhammad Yusuf; HAYAT, MUHYIDDIN A. M.; RAHMAN, FAHRIM IRHAMNA
Mechatronics Journal in Professional and Entrepreneur. Vol 7 No 2 (2025)
Publisher : Politeknik Bosowa

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

Abstract

Prediksi penjualan obat yang akurat diperlukan untuk meningkatkan efisiensi persediaan dan kualitas pelayanan kesehatan, terutama di PT Kimia Farma Apotek (KFA) yang melayani pasien BPJS Kesehatan. Permintaan obat yang fluktuatif dan pola penjualan yang kompleks menjadi tantangan dalam perencanaan persediaan. Penelitian ini bertujuan untuk memprediksi penjualan obat secara akurat dengan menerapkan teknik data mining menggunakan model Long Short-Term Memory (LSTM). Data dikumpulkan dari transaksi di PT Kimia Farma Apotek (KFA) dan diproses melalui pra-pemrosesan yang mencakup pembersihan data, transformasi menjadi time series, serta pembagian data menjadi 80% data latih dan 20% data uji. Model LSTM dilatih selama 50 epoch menggunakan fungsi aktivasi ReLU dan Softmax pada lapisan output untuk menghasilkan probabilitas prediksi. Hasil penelitian menunjukkan bahwa model LSTM memiliki Mean Squared Error (MSE) sebesar 0.0021 dan akurasi prediksi mencapai 99.79%, menunjukkan kemampuan model dalam menghasilkan prediksi yang mendekati nilai aktual. Namun, R² Score sebesar -0.14 menunjukkan keterbatasan dalam menangkap variasi data yang kompleks. Penelitian ini menunjukkan bahwa model LSTM memiliki potensi besar untuk diterapkan dalam prediksi penjualan obat dan membantu pengambilan keputusan strategis dalam manajemen persediaan. Selain itu, pendekatan ini berkontribusi positif dalam meningkatkan efisiensi perencanaan persediaan obat di PT Kimia Farma Apotek
ANALISIS DATA PENJUALAN OBAT BPJS MENGGUNAKAN METODE DIFERENSIAL DAN STRATEGI D-CRM Maulia, Rizky; Wahyuni, Titin; Rahman, Fahrim Irhamna
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.