Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Pilar Nusa Mandiri Jurnal Pengabdian kepada Masyarakat Nusantara Malcom: Indonesian Journal of Machine Learning and Computer Science
Andra, Muhammad Bagus
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Artificial Intelligence untuk Meningkatkan Efisiensi Pengelolaan Database Administrasi Remaja Masjid Andra, Muhammad Bagus; Hermaliani, Eni Heni; Subekti, Agus; Haris, Muhammad
Jurnal Pengabdian kepada Masyarakat Nusantara Vol. 6 No. 1 (2025): Jurnal Pengabdian kepada Masyarakat Nusantara Edisi Januari - Maret
Publisher : Lembaga Dongan Dosen

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

Abstract

Menurut studi terkini, administrasi masjid yang dikelola oleh remaja masjid sering menghadapi masalah seperti alur kerja yang lambat, pencatatan yang buruk dan kesalahan pengetikan, serta ketidakmampuan untuk mengambil informasi dengan cara yang tepat waktu dan akurat. Bertujuan untuk menyelesaikan masalah ini, kegiatan pengabdian ini meninjau integrasi Artificial Intelligence (AI) dalam manajemen administrasi masjid. Kegiatan spesifik pada Pengabdian kepada Masyarakat (PkM) meliputi analisis kebutuhan, pengembangan perangkat lunak berbasis AI, sesi pelatihan untuk staf, dan evaluasi sistem manajemen. Temuan lebih lanjut menunjukkan adanya penerapan AI untuk pengambilan keputusan menaikkan akurasi, tepat guna dan kecepatan pengambilan informasi selama proses administrasi. Disimpulkan bahwa penggunaan teknologi canggih yang diperlukan untuk organisasi berbasis komunitas mendukung pertumbuhan produktivitas. Dengan cara yang sama, inisiatif ini menetapkan preseden bagi organisasi lain untuk menggunakan solusi teknologi guna meningkatkan operasi administrasi.
EVALUATING PREPROCESSING EFFECTS IN NAME RETRIEVAL USING CLASSICAL IR AND CNN-BASED MODELS Marcelly, Frizca Fellicita; Saputra, Irwansyah; Andra, Muhammad Bagus
Jurnal Pilar Nusa Mandiri Vol. 21 No. 2 (2025): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Pe
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v21i2.6884

Abstract

Information Retrieval (IR) systems are pivotal for efficient data management, particularly in tasks involving name searches and entity identification. This study evaluates text preprocessing techniques, including case folding, phonetic normalization, and gender tagging, that affect the performance of classical (TF-IDF, LSI) and CNN-based retrieval models for multilingual name matching. Using a dataset of 365,468 globally diverse names, this study implements a preprocessing pipeline featuring: Double Metaphone phonetic preprocessing (92% validation accuracy), gender disambiguation for unisex names (92% accuracy), and optimized n-gram tokenization for short names. Evaluation metrics include precision, recall, F1-score, and our novel Name Similarity Score (NSS), combining orthographic and phonetic preprocessing. Results show our full pipeline improves recall to 1.00 and F1-score by 37% while reducing false negatives by 63%. Key findings reveal: TF-IDF achieves superior recall (0.98 vs CNN’s 0.85), LSI handles cultural variants effectively, and CNNs deliver the highest precision (0.91 vs TF-IDF’s 0.70), particularly for unisex names. This work contributes both a scalable multilingual preprocessing framework and the NSS evaluation metric for robust name retrieval systems.
Tinjauan Literatur Sistematis Tentang Algoritma Deteksi Objek untuk Sistem Otonom: Evaluasi Arsitektur CNN, Tantangan Dataset, dan Strategi Implementasi: Systematic Literature Review on Object Detection Algorithms for Autonomous Systems: Evaluation of CNN Architectures, Dataset Challenges, and Implementation Strategies Arafat, Mohammad Yasser; Andra, Muhammad Bagus
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 6 No. 2 (2026): MALCOM April 2026
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v6i2.2584

Abstract

Sistem deteksi objek berbasis Convolutional Neural Network (CNN) menjadi komponen penting dalam pengembangan teknologi otonom seperti kendaraan tanpa pengemudi, robot mobile, dan sistem pengawasan cerdas. Penelitian ini melakukan tinjauan literatur sistematis menggunakan kerangka PRISMA 2020 untuk mengevaluasi arsitektur CNN, tantangan dataset, serta strategi implementasi pada sistem dengan keterbatasan komputasi. Dari 30 artikel yang diidentifikasi, hanya enam artikel primer berkualitas tinggi (2021–2025) yang memenuhi kriteria seleksi ketat dari berbagai basis data akademik. Hasil analisis menunjukkan bahwa arsitektur hybrid yang menggabungkan attention mechanism dan multi-scale feature pyramid networks memberikan performa terbaik, dengan model AttenRetina mencapai mAP 0.86 pada dataset KITTI. Tantangan utama dalam dataset meliputi deteksi objek kecil, latar belakang kompleks, oklusi parsial, serta variasi pencahayaan. Masalah ini diatasi melalui penggunaan dynamic loss functions dan teknik data augmentation. Untuk implementasi pada perangkat dengan sumber daya terbatas, arsitektur ringan seperti SSD MobileNetv2 dan YOLOv8-MobileNetV3 terbukti mampu memberikan keseimbangan optimal antara akurasi dan efisiensi. Secara keseluruhan, studi ini menawarkan panduan komprehensif bagi pengembang dalam memilih arsitektur, menyiapkan dataset, dan merancang strategi deployment sesuai kebutuhan aplikasi otonom.
Co-Authors Agus Subekti Arafat, Mohammad Yasser Eni Heni Hermaliani, Eni Heni Marcelly, Frizca Fellicita MUHAMMAD HARIS Saputra, Irwansyah