Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Jurnal Medika: Medika Jurnal Ilmu Komputer dan Teknologi Informasi
Rahmat Sufri
Universitas Abulyatama
Computer Science & IT Dentistry Energy Environmental Science Health Professions Medicine & Pharmacology Nursing Public Health

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

Found 3 Documents
Search

 1 
PENGEMBANGAN WEB SERVICE UNTUK PENDAFTARAN DAN HASIL TES TOEFL MAHASISWA Rahmat Sufri; Ryan Setiawan; Teuku Rizky Noviandy; Anisah Anisah
JURNAL ILMIAH SAINS TEKNOLOGI DAN INFORMASI Vol. 3 No. 2 (2025): April : Jurnal Ilmiah Sains Teknologi dan Informasi
Publisher : CV. ALIM'SPUBLISHING

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59024/jiti.v3i2.1175

Abstract

Sistem informasi yang terpusat akan terlalu membebani server hal ini dikarena banyaknya sistem informasi yang didistribusikan ke masing-masing fakultas atau ke masing-masing jurusan diantaranya dari berbagai macam sistem informasi tersebut adalah sistem informasi pendaftaran toefl, pada saat transaksi pendaftaran sistem ini akan berinteraksi dengan sistem informasi akademik Universitas Abulyatana untuk mencari data pokok mahasiswa yang jumlahnya pasti banyak maka pada kasus ini tentu akan membutuhkan waktu yang lama sehingga akan mengakibatkan server terbebani. Oleh karena itu untuk mengatasi masalah ini perlu dikembangkan suatu web service yang dapat memudahkan dalam komunikasi antar berbagai sistem informasi. Hasil dari penelitian ini menunjukan interaksi sistem informasi pendaftaran toefl dan sistem informasi akademik pada Universitas Abulyatama dapat berjalan dengan baik menggunakan web service. Pada penelitian ini penerapan web service dikembang dengan menggunakan Framework CodeIgniter mengunakan standar librabri yang disediakan oleh Framework sehingga dalam berinteraksi dari berbagai sistem informasi menjadi cepat dan efektif.
Sosialisasi Tempat Sampah Otomatis Berbasis IoT dengan Arduino Uno Cut Rahmawati; Anisah Anisah; Ryan Setiawan; Muhammad Zardi; Teuku Rizky Noviandy; Rahmat Sufri; Amalia Amalia; Eva Herlina; Tety Sriana; Rusli Abdullah; Syafila Kamarudin; Teuku Nadhif Al Fath; Nurul Nazirah
Jurnal Medika: Medika Vol. 5 No. 1 (2026)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/51305g35

Abstract

Pengelolaan sampah yang kurang efektif serta rendahnya kesadaran masyarakat dalam membuang sampah pada tempatnya masih menjadi permasalahan lingkungan yang nyata. Menjawab tantangan tersebut, tim pengabdian masyarakat melakukan inovasi dengan merancang tempat sampah otomatis berbasis Internet of Things (IoT) menggunakan Arduino Uno. Tujuan kegiatan ini adalah meningkatkan pemahaman santri dayah mengenai pentingnya pengelolaan sampah yang modern, efisien, dan ramah lingkungan, sekaligus memperkenalkan teknologi sederhana yang dapat diaplikasikan dalam kehidupan sehari-hari. Metode pelaksanaan meliputi sosialisasi yang dilakukan di Dayah Masyraf, Gampong Keuneu Eu, Kecamatan Peukan Bada, Kabupaten Aceh Besar. Selanjutnya dilakukan demonstrasi prototipe serta pendampingan kepada santri dalam memahami cara kerja dan manfaat teknologi IoT pada sistem pengelolaan sampah. Perangkat yang digunakan adalah arduino IDE, sensor, servo, modul IoT, breadboard, kabel jumper, dan power supply. Hasil kegiatan menunjukkan adanya peningkatan pengetahuan dan antusiasme santri terhadap penerapan teknologi dalam mendukung kebersihan lingkungan. Dengan demikian, kegiatan ini diharapkan dapat mendorong terciptanya budaya membuang sampah pada tempatnya serta membuka peluang pengembangan inovasi serupa di masa depan.
Perbandingan Kinerja Model ResNet50V2 dan VGG16 untuk Klasifikasi Tumor Otak pada Citra MRI Teuku Nadhif alfath; Rahmat Sufri; Teuku Rizky Noviandy
Jurnal Ilmu Komputer dan Teknologi Informasi Vol. 3 No. 2 (2026): September
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) STMIK Indonesia Banda Aceh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63447/jikti.v3i2.2038

Abstract

Brain tumors are abnormal cell growths in brain tissue that can endanger patient safety if not detected early. Diagnosis is generally performed by radiologists through the examination of Magnetic Resonance Imaging (MRI) images; however, this approach requires considerable time and may introduce subjectivity. This study aims to compare the performance of two Convolutional Neural Network (CNN) architectures, namely ResNet50V2 and VGG16, in classifying brain tumors on MRI images, and to implement the best-performing model into a Streamlit-based application prototype. The dataset used was the Brain Tumor MRI dataset, which consists of four classes: glioma, meningioma, pituitary, and no tumor. Both models were trained using the transfer learning approach and evaluated using the metrics accuracy, precision, sensitivity, specificity, and F1-score. The results show that ResNet50V2 achieved higher performance than VGG16 across all evaluation metrics, with an accuracy of 88.17% compared with 86.19%. This advantage is likely related to the residual connection mechanism in ResNet50V2, which helps address the vanishing gradient problem, whereas VGG16 has a simpler architecture. The best-performing model was then implemented as a Streamlit-based application prototype for classifying brain tumor MRI images. However, the prototype remains at an early research stage and requires further testing using clinical data and evaluation by medical professionals before it can be considered a diagnostic support tool.
Co-Authors Amalia Amalia Anisah Anisah Cut Rahmawati Eva Herlina Muhammad Zardi Nurul Nazirah Rusli Abdullah Ryan Setiawan Syafila Kamarudin Tety Sriana Teuku Nadhif Al Fath Teuku Nadhif alfath Teuku Rizky Noviandy