Ramdaniah

Authors

Ashad, Bayu Adrian; Ramdaniah, Ramdaniah; Sriwijanaka, Sriwijanaka; Mansyur, St Hajrah; Universitas Muslim Indonesia, Indonesia

Abstract

SLB Yayasan Usaha Karya Tunanetra Indonesia (Yukartuni) merupakan sekolah luar biasa yang berlokasi di Makassar, Sulawesi Selatan. Sebagian besar guru dan siswa pada sekolah tersebut adalah penyandang tunanetra. Guru dan siswa penyandang tunanetra mengalami kesulitan dalam memilih warna pakaian yang akan dikenakan di sekolah. Keterbatasan yang dimilikinya seringkali menyebabkan guru dan siswa keliru dalam menggunakan seragam ke sekolah. Dalam memilih pakaian, penyandang tunanetra sangat bergantung pada bantuan orang lain jika akan memilih seragam sekolah. Namun guru dan siswa juga perlu memilih pakaian secara mandiri sehingga tidak perlu bergantung pada orang lain. Pengabdian ini bertujuan untuk memberikan kontribusi kepada masyarakat khususnya di SLB Yukartuni Makassar dengan cara memperkenalkan aplikasi pendeteksi warna pakaian berbasis android. Pengabdian yang dilakukan terdiri dari dua tahap yaitu tahap pembuatan aplikasi dan tahap sosialisasi penggunaan aplikasi. Tahap pertama merupakan tahap pembuatan aplikasi berbasis android berdasarkan hasil observasi masalah yang dihadapi oleh guru dan siswa. Tahap kedua merupakan tahap sosialisasi cara mengoperasikan aplikasi pendeteksi warna pakaian berbasis android. Hasil kegiatan pengabdian menunjukkan bahwa guru dan siswa mampu mengoperasikan aplikasi dengan baik. Selain itu, hasil pengabdian menunjukkan bahwa aplikasi pendeteksi warna pakaian dapat membantu penyandang tunanetra dalam memilih pakaian yang akan digunakan.

Related SDGs

Authors

Amiruddin, Muhammad Fadhly; Irawati; Ramdaniah, Universitas Muslim Indonesia, Fakultas Ilmu Komputer, Program Studi Informatika, Jalan Urip Sumoharjo, Makassar 90245, Indonesia

Abstract

Setiap harinya The Reds Futsal menerima 5 sampai 7 kali penyewaan lapangan. Dengan banyaknya jumlah reservasi setiap harinya diperlukan suatu sistem untuk mengontrol proses reservasi lapangan futsal agar data reservasi dapat dikelola dengan baik. Selain itu customer kadang sering kesulitan saat ingin memesan lapangan dikarenakan sistem pemesanan dilakukan dengan cara mendatangi langsung tempat The Reds Futsal telebih dahulu untuk menanyakan ketersediaan lapangan. Hal tersebut dinilai kurang efektif dan efisien karena dapat memakan waktu jika hanya menanyakan ketersedian lapangan yang tersedia. Penelitian ini bertujuan untuk merancang sistem penyewaan lapangan futsal berbasis android dengan menerapkan metode Agile dalam menbangun sistem reservasi lapangan futsal. Metode yang digunakan adalah Agile yang merupakan suatu metode yang digunakan untuk pengembangan yang berfokus pada perkembangan yang cepat, perangkat lunak yang dirilis bertahap, mengurangi overhead proses, dan menghasilkan kode berkualitas tinggi dan pada proses perkembangannya melibatkan pelanggan. Berdasarkan penelitian yang telah dilakukan, hasilnya adalah telah terciptanya sistem reservasi lapangan futsal berbasis android dengan menerapkan metode agile yang dapat membantu masyrakat dalam mencari informasi ketersediaan lapanagan serta dapat mempermudah dalam proses reservasi lapangan futsal, hal ini dibuktikan dengan pengujian black box dimana semua fitur berjalan dengan baik.

Related SDGs

Authors

Salim, Yulita; Ramdaniah, Universitas Muslim Indonesia

Abstract

Kota Makassar saat ini sedang berkembang di berbagai bidang termasuk industri, sehingga dibutuhkan banyak sumber daya manusia yang kompeten sebagai tenaga kerja tak terkecuali tenaga kerja guru. Distribusi guru masih belum merata, di samping kualitasnya yang masih rendah. Sebanyak 21% sekolah di perkotaan, 37% sekolah di pedesaan, dan 66% sekolah di daerah terpencil masih kekurangan guru. Guru memiliki peran penting dalam meningkatkan pendidikan karena guru merupakan pelaksana terdepan pendidikan anak-anak di sekolah. Oleh karena itu pemerataan guru perlu dilakukan di Kota Makassar karena hampir semua kecamatan di Makassar mengalami ketidakmerataan dalam penyebaran guru, namun belum ada fasilitas untuk melakukan pencarian data tenaga kerja guru, informasi yang didapat sebagian dari teman maupun dari media sosial sehingga dibutuhkan sistem yang memberikan informasi lowongan kerja tenaga guru dengan adanya pemetaan tenaga kerja guru tersebut seseorang dapat melihat wilayah strategis dalam penyebaran informasi tenaga kerja guru sehingga memudahkan bagi para pengangguran dalam mendapatkan pekerjaan guru sesuai dengan keahlian mereka. Penelitian ini bertujuan untuk membangun sistem pemetaan kebutuhan tenaga kerja guru sehingga kebutuhan tenaga kerja guru merata di setiap SD yang ada di Kecamatan Bontoala. Metode yang digunakan adalah K-Means Clustering yang merupakan metode pengelompokkan data ke dalam dua kelompok atau lebih. Metode tersebut mempartisipasi data ke dalam suatu kelompok yang berkarakteristik sama sedangkan kelompok yang memiliki karakteristik berbeda dikelompokkan kelompok lainnya. Hasil penelitian menunjukkan hasil akurasi persentase metode adalah sebesar 70% yang menunjukkan bahwa sekolah SD Inp Layang Tingkat 2, SD Inp Layang Tua 1, SD Neg Baraya 1, SD Neg Baraya 2, SD Neg Pongtiku 1, SD Neg Pongtiku 2, SD Bambini, dan SD Kristen Ipeka termasuk ke dalam kelompok kekurangan tenaga kerja guru.

Related SDGs

Authors

Indra, Dolly, Departmentof Information System, Universitas Muslim Indonesia, Makassar, Indonesia; Ramdaniah, Departmentof Informatics Engineering, Universitas Muslim Indonesia, Makassar, Indonesia; Sukur, Widianti, Department of Information System, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Hybrid learning, which combines online and face-to-face instruction, has gained significant attention. Particu-larly in the Faculty of Computer Science, student engagement in hybrid learning is a central concern that arises during implementation. Hybrid, or blended learning, integrates various teaching methods, such as face-to-face, computer-based, and mobile learning, and offers advantages by reducing the time required for meetings and in-formation delivery. Sentiment analysis, a branch of text mining, aims to determine public opinion or sentiment on topics, events, or issues. This study surveyed 112 Information Systems students using an online questionnaire to assess their responses to hybrid learning, classified as positive, negative, or neutral using the Naïve Bayes classi-fier. The research stages included data collection, preprocessing, Naïve Bayes model training, model evaluation, and sentiment analysis. The study aimed to analyze hybrid learning’s impact on students' learning experiences and assess the accuracy of the Naïve Bayes method in classifying sentiments regarding this impact. The results indicated that the initial test had an accuracy of 60.87% withoutusing the SMOTE up-sampling operator, while the second test achieved 80.65% accuracy with the operator.

Related SDGs

Authors

Nur, Azmi Fauziah; Salim, Yulita; Ramdaniah, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap perkembangan Artificial Intelligence(AI) dengan membandingkan kinerja tiga algoritma machine learning: Naive Bayes(NB), Support Vector Machine(SVM), dan K-Nearest Neighbors(KNN). Dataset yang digunakan dalam penelitian ini terdiri dari 5044tweetyang dikumpulkan dari platform media sosial X yang merepresentasikan opini dan pandangan pengguna tentang perkembangan AI. Proses pengumpulan data melibatkan pemilihan tweetyang relevan dengan menggunakan keywordterkait perkembangan AI, diikuti dengan tahap preprocessinguntuk membersihkan dan menghilangkan noise serta kata yang tidak relevan. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif, negatif, atau netral. Hasil penelitian menunjukkan bahwa algoritma SVM secarasignifikan lebih efektif dalam menangani analisis sentimen dibandingkan NBdan KNN, dengan akurasi masing-masing algoritma sebagai berikut: SVM=93%, NB=91%, dan KNN=81%. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learningyang optimal untuk analisis sentimen dan dapat membantu peneliti dan praktisi dalam memilih metode yang tepat untuk evaluasi sentimen di berbagai topik.

Related SDGs

Authors

Irawati; Ramdaniah, Universitas Muslim Indonesia

Abstract

Pada era sekarang anak usia dini dihadapkan pada banyamk teknoligi yang ada di dunia sekitar salah satunya adalah handphone. Teknoligi ini menjadi alat yang efektif dalam pembelajaran jika digunakan secara efektif dan bijak. Maka penelitian ini menerapkan augmented reality sebagai sarana pembelajaran yakni huruf hijaiyah pada TPA Nuruh Hidayat Berbasis Android dengan Metode Markerless. Metode ini merupakan pengenalan gambar paling banyak digunakan pada augmented reality. Hasil penelitian menunjukkan ini bahwa sistem ini berhasil dibangun dengan menerapkan metode Markerless dan penambahan fitur suara agar lebih mudah untuk dipelajari dan dipahami, serta dapat meningkatkan minat anak usia dini dalam mempelajari huruf Hijaiyah.

Related SDGs

Authors

Anraeni, Siska; Mustari, Muhid; Ramdaniah; Kurniati, Nia; Mubarak, Syahrul,

Abstract

In response to the burgeoning need for advanced object recognition and classification, this research embarks on a journey harnessing the formidable capabilities of Convolutional Neural Networks (CNNs). The central aim of this study revolves around the precise identification and categorization of objects, with a specific focus on the critical task of distinguishing between fresh and spoiled chicken meat. This study's overarching objective is to craft a robust CNN-based classification model that excels in discriminating between objects. In the context of our research, we set out to create a model adept at distinguishing between fresh and rotten chicken meat. This endeavor holds immense potential in augmenting food safety and elevating quality control standards within the poultry industry. Our research methodology entails meticulous data collection, which includes acquiring high-resolution images of chicken meat. This meticulously curated dataset serves as the bedrock for both training and testing our CNN model. To optimize the model, we employ the 'adam' optimizer, while critical performance metrics, such as accuracy, precision, recall, and the F1-score, are methodically computed to evaluate the model's effectiveness. Our experimental findings unveil the remarkable success of our CNN model, with consistent accuracy, precision, and recall metrics all reaching an impressive pinnacle of 94%. These metrics underscore the model's excellence in the realm of object classification, with a particular emphasis on its proficiency in distinguishing between fresh and rotten chicken meat. In summation, our research concludes that the CNN model has exhibited exceptional prowess in the domains of object recognition and classification. The model's high accuracy signifies its precision in furnishing accurate predictions, while its elevated precision and recall values accentuate its effectiveness in differentiating between object classes. Consequently, the CNN model stands as a robust foundation for future strides in object classification technology. As we peer into the horizon of future research, myriad opportunities beckon. Our CNN model's applicability extends beyond chicken meat classification, inviting exploration across diverse domains. Furthermore, the model's refinement and adaptation for specific challenges represent an exciting avenue for future work, promising heightened performance across a broader spectrum of object recognition tasks.

Related SDGs

Authors

Irawati; Ramdaniah, Universitas Muslim Indonesia

Abstract

Puskesmas merupakan fasilitas yang disediakan pemerintah upaya penanggulangan kesehatan yang dibangun dibeberapa daerah sehingga setiap puskesmas mempunyai kewajiban dalam setiap upaya pelayanan kesehatan. Namun beberapa puskesmas masih memiliki kekurangan dalam hal pelayanan dan ketidaktertiban administrasi antrian yang menimbulkan keresahan bagi masyarakat sehingga merasa dirugikan dengan menyita banyak waktu. Salah satu puskesmas yang pelayanannya masih kurang memadai yaitu puskesmas di Kabupaten Bantaeng yaitu Puskesmas Lasepang, puskesmas ini memiliki 3 layanan (poli) yaitu poli umum, poli gigi, dan poli kesehatan ibu dan anak (KIA), oleh karena itu sistem antrian online merupakan solusi dalam mengatasi permasalahan tersebut untuk meningkatkan kualitas dan kuantitas pelayanan kepada masyarakat secara optimal sehingga masyarakat merasa tidak dirugikan dan terlayani dengan baik. Penelitian ini bertujuan untuk membangun sistem antrian online pada Puskesmas Lasepang Kabupaten Bantaeng berbasis web. Metode yang digunakan adalah Multi Channel Single Phase yang merupakan metode sistem antrian yang memiliki dua atau lebih fasilitas pelayanan dialiri oleh antrian tunggal. Hasil penelitian menunjukkan rata-rata pasien dalam antrian terpadat terjadi pada tanggal 02 November 2022 dam 03 November 2022 pada pukul 07:00-08:00 yang terlihat pada periode tersebut rata-rata lama menunggu sebanyak 0.0165 menit. Sedangkan rata-rata pasien dalam antrian sedikit terjadi pada tanggal 02 November 2022 pada pukul 08:00:00-09:00:00 dengan rata-rata menunggu sebanyak 0.0025 menit.

Related SDGs

Authors

Irawati; Ramdaniah, Universitas Muslim Indonesia

Abstract

Kecanduan game dikalangan anak Indonesia sudah menjadi fenomena yang serius. Dan jumlahnya semakin meningkat dan dampaknya terhadap kondisi fisik dan psikologis mereka tidak bias diremehkan. Seperti yang dikatakan oleh salah satu psikolog Dinas Pemberdayaan Perempuan Dan Perlindungan Anak (DP3APPKB) Husnar A. Z Ketika seorang anak telah kecanduan dalam bermain game akan mengalami gangguan kesehatan, seperti iritasi pada mata, pola makan tidak teratur, cemas, pola tidur tidak teratur, mudah tersinggung dan marah, emosi tidak terkontrol, Lebih mementingkan game dibanding pekerjaan lain, kurang sosialisai. Sehingga beberapa orang tua sangat resah akibat anaknya yang mulai memiliki perilaku seperti yang telah dipaparkan oleh psikolog. Sistem Pakar Diagnosa Kecanduan Game mobile/PC pada anak merupakan aplikasi berbasis web yang dirancang untuk membantu para orang tua dalam melakukan diagnosa kecanduan game. Penelitian ini bretujuan untuk mempermudah para orang tua khusunya di Kabupaten Soppeng serta mengimplementasikan metode Certainty Factor yang berfungsi dalam pembuatan aplikasi web pada penentuan diagnosa tingkat kecanduan yang dialami anak. Metode CF ini sangat cocok digunakan pada sistem karena ini mampu menangani ketidakpastian jawaban yang sering ditemukan yaitu ketika pakar tidak dapat mendefinisikan hubungan antara gejala dengan penyebab secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti sehingga pada akhirnya ditemukan banyak kemungkinan diagnosis. Berdasarkan hasil pengujian yang telah diperoleh menggunakan teknik blackbox testing pada aplikasi kecanduan game pada anak diperoleh nilai indeks fungsionalitas sebesar 88%.

Related SDGs

Authors

Purnawansyah; Ramdaniah, Universitas Muslim Indonesia

Abstract

Kabupaten Enrekang di Sulawesi Selatan memiliki potensi besar untuk budidaya bawang merah, yang menjadi komoditas utama di Kecamatan Anggeraja. Namun, beberapa petani menghadapi kesulitan dalam menemukan lokasi penanaman yang optimal. Oleh karena itu, penelitian ini mengusulkan penggunaan aplikasi penentuan lokasi penanaman bawang merah sebagai solusi. Tujuannya adalah mempermudah petani, terutama di Kecamatan Anggeraja, Kabupaten Enrekang, dalam memilih lahan yang cocok untuk budidaya bawang merah. Dalam penelitian ini, metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) digunakan untuk mengevaluasi 15 alternatif lahan pada aplikasi tersebut. Sistem ini membantu pengguna, khususnya petani, dalam mencari dan memilih lahan yang sesuai dengan kriteria yang ditetapkan, sehingga mendapatkan rekomendasi lahan yang optimal. Hasil penelitian menunjukkan kecocokan metode TOPSIS dalam sistem, dengan tingkat akurasi presentasi sebesar 85% dari 15 alternatif yang diuji

Related SDGs

Authors

Harlinda, L; Rahma, Dewi Ernita; Azis, Huzain; Irawati; Ramdaniah, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Isnan, Mahmud, Computer Science Department School of Computer Science Bina Nusantara University, Jakarta, Indonesia

Abstract

The objective of this work is to develop an automatic classification system that can accurately and consistently distinguish between healthy and Curvularia-infected oil palm leaves, even in the face of inadequate data. The proposed approach uses the ResNet50 model as a feature extractor in conjunction with more conventional machine learning techniques like Random Forest and K-Nearest Neighbors. With a focus on implementation feasibility and efficiency in real-world applications, this combination has shown competitive performance when compared to the end-to-end ResNet50 approach. With these contributions, this study offers methods for diagnosing plant diseases that are intelligent, flexible, and resource-efficient, facilitating digital transformation in the agriculture industry. These findings highlight the potential of hybrid deep learning systems in providing accurate, fast, and cost-effective disease diagnosis solutions for oil palm plantations, particularly in tropical environments with limited resources.

Related SDGs

Authors

Ashad, Bayu Adrian, Program Studi Teknik Elektro, Fakultas Teknik, Universitas Muslim Indonesia; Ramdaniah, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia

Abstract

Kegiatan pengabdian kepada masyarakat ini dilaksanakan di UD Tani Nila Nusantara, Kabupaten Pangkep, dengan tujuan meningkatkan efisiensi penggunaan energi listrik pada sistem budidaya ikan nila melalui penerapan teknologi smart meter berbasis Internet of Things (IoT). Permasalahan utama mitra adalah tingginya konsumsi energi akibat pengoperasian aerator, dan pompa air yang berlangsung hampir tanpa henti setiap hari. Untuk mengatasi hal tersebut, diterapkan sistem monitoring energi berbasis IoT yang memungkinkan pengelolaan daya secara real-time. Metode pelaksanaan kegiatan menggunakan pendekatan pendidikan masyarakat dan difusi ipteks melalui pelatihan, instalasi sistem smart meter, serta pendampingan langsung kepada mitra dalam pengoperasian dan analisis data energi. Hasil evaluasi menunjukkan peningkatan pemahaman mitra terhadap efisiensi energi dan kemampuan menggunakan perangkat digital secara mandiri. Selain itu, terjadi penurunan konsumsi listrik rata-rata sebesar 15–20% setelah penerapan sistem. Kegiatan ini tidak hanya meningkatkan efisiensi operasional tambak, tetapi juga memperkuat literasi digital dan kesadaran penggunaan energi berkelanjutan di sektor perikanan. Dengan demikian, penerapan smart meter berbasis IoT dapat menjadi solusi praktis dan aplikatif menuju pengelolaan energi yang cerdas, efisien, dan ramah lingkungan pada usaha tambak ikan air tawar.

Related SDGs

Authors

Ramdaniah, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia; Ashad, Bayu Adrian, Program Studi Teknik Elektro, Fakultas Teknik, Universitas Muslim Indonesia

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan meningkatkan efisiensi dan literasi digital masyarakat petambak melalui pelatihan penggunaan aplikasi Feeder Planner di Kabupaten Pangkep, Sulawesi Selatan. Permasalahan utama yang dihadapi mitra adalah manajemen tambak yang masih dilakukan secara manual tanpa pencatatan berbasis data, sehingga mengakibatkan pemborosan pakan dan sulitnya evaluasi produksi. Metode pelaksanaan menggunakan pendekatan Participatory Action Research (PAR) melalui skema pelatihan dan difusi ipteks dengan pendampingan langsung di lapangan. Kegiatan berlangsung selama empat bulan, dari Agustus hingga November 2025, bekerja sama dengan mitra UD Tani Nila Nusantara dan melibatkan enam orang petambak sebagai peserta. Tahapan kegiatan meliputi observasi kebutuhan, sosialisasi, pelatihan penggunaan aplikasi, pendampingan, serta evaluasi partisipatif. Hasil kegiatan menunjukkan peningkatan kemampuan peserta dalam mengoperasikan aplikasi secara mandiri untuk mencatat jadwal dan riwayat pemberian pakan. Efisiensi pakan meningkat sekitar 15%, dengan konsistensi pencatatan mencapai 83% dan ketepatan jadwal pemberian pakan sebesar 85%. Kegiatan ini membuktikan bahwa pelatihan berbasis aplikasi digital mampu mendorong transformasi manajemen tambak menuju sistem yang lebih efisien, terukur, dan berkelanjutan di kalangan masyarakat petambak.

Related SDGs

Authors

Septiawan, M.Fiqry; Anraeni, Siska; Ramdaniah, Informatics Engineering, Computer Sience, Universitas Muslim Indonesia, Indonesia

Abstract

Technological advancements have provided convenience for Generation Z in managing finances; however, many are still not accustomed to recording their financial activities regularly. Shopping receipts, which should serve as proof of transactions, are often ignored or poorly managed, despite their important role in tracking expenses. Therefore, this research aims to develop an Android-based financial recording application capable of handling both manual input and automated recording through receipt scanning using Optical Character Recognition (OCR) technology. The findings indicate that ChatGPT-4o significantly outperforms EasyOCR by providing more consistent accuracy and faster, stable processing, making it a more reliable solution for receipt-based financial recording. Developed using the Agile Kanban method, the application was validated through alpha testing and proven to function properly across all features. Beyond practical benefits for users, this research also contributes to the financial technology literature by demonstrating the integration of large language models (LLM) to enhance OCR performance in mobile finance applications.

Related SDGs

Authors

Dolly, Indra, Departement of information Systems, Computer Science, Universitas Muslim Indonesia, Indonesia; Ramdaniah; Ode, Nada Kayatri, Department of Informatic Engineering, Computer Science, Universitas Muslim Indonesia, Indonesia

Abstract

Deforestation in Papua has emerged as a significant environmental concern, attracting considerable attention due to its effects on biodiversity and the livelihoods of indigenous communities. This study seeks to examine public sentiment toward the issue by analyzing comments posted on the YouTube platform, employing the Long Short-Term Memory (LSTM) method. A dataset of 3,000 comments was gathered and processed through several stages, including text cleaning, tokenization, normalization, and Term Frequency–Inverse Document Frequency (TF-IDF) weighting. Subsequently, an LSTM model was developed and assessed using accuracy, precision, recall, and F1-score as evaluation metrics. The results reveal that the LSTM model achieved an accuracy of 88.43%, a precision of 90.01%, a recall of 97.49%, and an F1-score of 93.60%. Nevertheless, signs of overfitting were observed, indicated by lower validation performance compared to training results. These findings demonstrate that the LSTM approach is effective for identifying public opinion regarding deforestation and can serve as a valuable reference in decision-making and the formulation of environmental policies.

Related SDGs

Authors

Purnawansyah; Ramadhan, Ahmad Mufli; Darwis, Herdianti; Lahuddin, Harlinda; Azis, Huzain; Tenripada, Andi Ulfa, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Autism Spectrum Disorder (ASD) is fundamentally characterized by impairments in social communication and interaction, as outlined in the DSM-5. Leveraging speech utterances as a non-invasive modality, this study explores binary classification of ASD versus non-ASD based on transcribed utterances. We introduce the Makassar Autism Corpus, a newly constructed small-scale corpus containing utterances in Bahasa Indonesia with a regional Makassar dialect. To enrich the textual data, a set of linguistic features was extracted from each utterance, capturing structural and lexical attributes relevant to ASD indicators. Two classification models were implemented and evaluated: a traditional machine learning approach using Support Vector Machine (SVM) and a deep learning model based on the pretrained Transformer IndoBERT. Experimental results indicate that both models demonstrate the capacity to differentiate ASD from non-ASD utterances, with SVM showing greater stability on low-resource data. This research marks an early effort in applying computational linguistics for ASD classification in Indonesian, highlighting the viability of utterance-based analysis as an objective screening aid aligned with clinical diagnostic frameworks. Despite dataset “limitations, the findings underscore the potential of integrating linguistic feature analysis and natural language processing (NLP) to support early ASD identification in underrepresented language contexts.

Related SDGs