Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Vokasi Sains dan Teknologi Journal of Electrical Engineering and Informatics JBIMA: Jurnal Pengabdian kepada Masyarakat
Muhammad Rijal
Politeknik Negeri Ujung Pandang
Agriculture, Biological Sciences & Forestry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Immunology & microbiology Mathematics Physics Public Health Social Sciences Other

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

Found 3 Documents
Search

 1 
Sosialisasi Teknologi Artificial Intelligence untuk Mendukung Proses Pembelajaran di Madrasah Madani Alauddin Annisa Nurul Puteri; Nur Ilham Asnawi; Ahmad Maruf Firman; Faula Yuniarta Seli; Muhammad Rijal; Achmad Afandy
Jurnal Pengabdian kepada Masyarakat Vol 2 No 3 (2025)
Publisher : PT. Edutech Inovatif Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64109/1fp1nq36

Abstract

Kecerdasan artifisial (AI) semakin banyak dimanfaatkan dalam dunia pendidikan, tetapi pemahaman dan penerapannya di lembaga pendidikan berbasis keislaman seperti Madrasah masih terbatas. Padahal pengenalan dan pemahaman teknologi kecerdasan artifisial secara mendalam dapat membantu mempercepat kinerja guru tanpa mengabaikan nilai-nilai keislaman yang menjadi fokus pendidikan di Madrasah. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk mengenalkan teknologi kecerdasan artifisial kepada guru-guru Madrasah Madani Alauddin, kabupaten Gowa melalui seminar yang mencakup materi sejarah dan perkembangan teknologi kecerdasan artifisial, peran teknologi kecerdasan artifisial dalam kehidupan, manfaat teknologi kecerdasan artifisial dalam bidang pendidikan, etika penggunaan teknologi artifisial, dan aplikasi/tools berbasis kecerdasan artifisial yang dapat digunakan untuk membantu proses pembelajaran seperti Magic School, Teachy, dan ChatGPT. Hasil kegiatan menunjukkan antusiasme tinggi dari peserta, meskipun masih terdapat tantangan dalam penggunaan aplikasi berbasis kecerdasan artifisial secara efektif seperti penggunaan ChatGPT yang belum optimal karena terbatasnya pemahaman tentang penulisan prompt yang tepat agar ChatGPT memberikan jawaban yang relevan. Evaluasi kegiatan menunjukkan bahwa mayoritas peserta menilai kualitas materi, demonstrasi, dan relevansi kegiatan sebagai sangat baik. Hal ini menunjukkan bahwa kegiatan sosialisasi berjalan efektif dan mampu menjawab kebutuhan peserta. Diperlukan tindak lanjut berupa pelatihan lanjutan dan pendampingan teknis agar pemanfaatan kecerdasan artifisial dalam pembelajaran dapat diimplementasikan secara optimal dan tetap selaras dengan nilai-nilai keislaman.
Analisis Pengaruh Variasi ISO dan Waktu Pemotretan terhadap Kualitas Citra Kamera DSLR pada Kondisi Cahaya Alami Tropis Harun Musa; Muhammad Rijal; Rahmayanti
Jurnal Vokasi Sains dan Teknologi Vol. 5 No. 2 (2026): JURNAL VOKASI SAINS DAN TEKNOLOGI (MEI)
Publisher : Program Vokasi UNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56190/jvst.v5i2.131

Abstract

Penelitian ini bertujuan menganalisis pengaruh variasi ISO dan waktu pemotretan terhadap kualitas citra pada kamera DSLR dalam kondisi cahaya alami. Pengambilan gambar dilakukan pada objek tanaman di lingkungan terbuka menggunakan kamera DSLR dengan lensa kit, dengan variasi ISO 100, 400, 1600, dan 3200 pada aperture tetap f/3.5. Sebanyak 12 foto diambil dalam tiga sesi pemotretan (09.55–11.55 WITA) menggunakan mode semi-otomatis (Aperture Priority) sehingga shutter speed disesuaikan otomatis oleh kamera. Data shutter speed dicatat dari metadata EXIF dan dianalisis bersama empat kriteria evaluasi: tingkat noise, highlight clipping, dynamic range, dan ketajaman detail. Hasil menunjukkan bahwa ISO 100 secara konsisten menghasilkan gambar terbaik—bersih dari noise, detail tekstur tajam, dan dynamic range optimal—pada semua waktu pemotretan. Sebaliknya, ISO 400–3200 pada siang hari menyebabkan over exposure progresif hingga total whiteout. Pada kondisi penelitian ini, ISO 100 dengan aperture f/3.5 menghasilkan kualitas citra terbaik. Hasil evaluasi menggunakan skala kualitas empat tingkat (Optimal, Acceptable, Buruk, Unusable) menunjukkan bahwa hanya kombinasi ISO 100 pada rentang waktu 09.55–10.36 WITA yang memenuhi kategori Optimal. Penelitian ini menegaskan pentingnya pemilihan ISO yang sesuai intensitas cahaya lingkungan, dengan catatan bahwa temuan ini terbatas pada kondisi siang hari tropis cerah dan tidak dapat digeneralisasikan ke kondisi pencahayaan lain.
Real-Time Safety Helmet and Vest Compliance Detection Using YOLOv8 with Web-Based Monitoring and Telegram Alerts Muhammad Rijal; Muh. Erdin; Harun Musa
Journal of Electrical Engineering and Informatics Vol. 4 No. 1 (2026): Journal of Electrical Engineering and Informatics
Publisher : Fakultas Teknik Universitas Negeri Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jeeni.v4i1.13712

Abstract

Workplace safety remains a critical concern in high-risk industrial sectors due to frequent non-compliance with Personal Protective Equipment (PPE) regulations. This study aims to develop and evaluate a real-time, web-based system for automatically detecting compliance with two essential PPE items, safety helmets and safety vests, among workers in industrial work environments, including its detection accuracy, generalization on unseen data, and notification reliability. This research adopts a Research and Development (R&D) approach that combines a machine-learning experimentation pipeline for model development with a software prototyping process for the monitoring application, encompassing dataset collection from Roboflow (2,777 images across six classes: Hardhat, No Hardhat, Safety Vest, No Safety Vest, Person, and Background), data preprocessing, training of a YOLOv8n model (100 epochs, image size 800×800, batch size 16, SGD optimizer), performance evaluation on the validation set, qualitative functional testing, and implementation into a Flask-based website prototype integrated with Telegram Bot API notifications. On the validation set, the trained YOLOv8n model achieved a mean Average Precision at IoU 0.5 (mAP50) of 0.681 and an mAP50-95 of 0.416, at the best-fitness checkpoint (epoch 77 of 100). At the operational confidence threshold of 0.262 identified from the F1-Confidence curve, the model achieved an F1-Score of 0.69. Independent evaluation on the held-out 84-image test set is identified as a priority for follow-up work. Novelty: Unlike prior studies that generally stop at the model training and evaluation stage, and unlike [18], which implemented a YOLO-based PPE completeness dashboard without an automated alerting mechanism, this research integrates the YOLOv8 detection model directly into a real-time monitoring dashboard with an automatic Telegram text-and-image notification mechanism, enabling field supervisors to receive instant alerts whenever a PPE violation is detected. The resulting prototype demonstrates initial feasibility for supporting PPE compliance monitoring in industrial workplaces, pending more extensive field validation.
Co-Authors Achmad Afandy Ahmad Maruf Firman Annisa Nurul Puteri Erdin, Muh. Faula Yuniarta Seli Harun Musa Harun Musa Nur Ilham Asnawi Rahmayanti Rahmayanti