Tasrif Hasanuddin

Full Author List

Baharuddin, Mus Mulyadi; Azis, Huzain; Hasanuddin, Tasrif; Unviersitas Muslim Indonesia, Indonesia

Abstract

Nowadays, the industry makes various types of goods that have glass-based materials, float car window panes, non-float building windows, lamps, jars, and tableware. These glasses have the same production material, the difference between one and the other is the composition of the production material. K-Nearest Neighbor (KNN) algorithm which is one of the classification methods in data mining and also a supervised learning algorithm in machine learning is a method for classifying objects based on learning data that is the closest distance to the object.. This study discusses the performance measurement (accuracy, precision, recall and f-measure) of the KNN method with a variety of values on 1000 glass type production data objects obtained from the central UCI Machine Learning Repository dataset. The conclusion of this research is the results of the value of K = 3 to K = 9, the best performance values obtained at K = 3, where the level of accuracy reaches 64%, 63% precision, 71% recall, and F-Measure of 67%.

Related SDGs Targets

Full Author List

Syarif, Suwahyudi; Hasanuddin, Tasrif; Hasnawi, Mardiyyah; Universitas Muslim Indonesia, Indonesia

Abstract

Perancangan sebuah game memerlukan alur perancangan layaknya perancangan sebuah sistem atau yang sering disebut dengan System Development Life Cycle (SDLC). Maka dari itu perancangan game membutuhkan panduan yang lebih spesifik yang khusus dalam merancang game. Maka muncullah istilah Game Development Life Cycle (GDLC). Perancangan sebuah game juga membutuhkan sebuah engine untuk mendukung pengembangan game. Unreal engine merupakan game engine yang di kembangkan oleh Epic Games yang memiliki banyak fitur salah satunya ialah adanya template awal yang akan mempermudah pengembang untuk membuat game. Adapun keluaran dari penelitian ini ialah sebuah aplikasi game yang dibuat dengan metode Game Development Life Cycle (GDLC) dan menggunakan engine Unreal.

Related SDGs Targets

Full Author List

Azis, Huzain; Nirmala; Syafie, Lukman; Herman; Fattah Farniwati; Hasanuddin,Tasrif, Faculty Of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

This investigation constitutes a noteworthy progression in the advancement of more sophisticated and precise botanical image analysis. The primary objective of this inquiry is to confront the difficulties associated with the categorization of Calendula and Coreopsis flowers through the application of diverse segmentation techniques and classification algorithms. In this experiment, we employed the Canny edge detection, thresholding, mean shift, and Otsu methods to process flower images before applying Naïve Bayes, K-Nearest Neighbors, Support Vector Machine, and Decision Tree algorithms for classification. Enhanced comprehension of the integration of distinct segmentation techniques with varied classification algorithms is attained. We scrutinized accuracy, precision, recall, and F1 measure across diverse segmentation scenarios to assess the efficacy of these algorithms. Our principal discoveries consistently affirm that the Decision Tree algorithm attains the utmost accuracy levels in flower classification when coupled with mean shift segmentation, underscoring its noteworthy proficiency in this endeavor. The pivotal role of an optimal amalgamation of segmentation techniques and classification algorithms in augmenting flower recognition is underscored, thereby charting the course for subsequent investigations into the integration of diverse segmentation methods with advanced classification algorithms. This study's outcomes wield a favorable influence on the domain of botany and image analysis at large, offering support to researchers and scientists in achieving a more precise understanding and classification of plant species.

Related SDGs Targets

Full Author List

Syafie, Lukman; Satra, Ramdan; Azis, Huzain, Universitas Muslim Indonesia

Abstract

Hybrid learning model is the combination of onsite learning and online learning model. Hybrid learning model is an interesting issue in order to balance the drastically change of learning model to the learning model of ICT-based. This study was analyze the effectiveness of hybrid learning model on the student. The test were carried out before and after the learning model applied. The data was picked up from the questionnaire. The sample consisted of 40 students. By using statistical analysis, we obtain that the average difference between the pre-test and post-test scores was -29.03175. In the t-test, Ho: pre-test=post-test gives a T value=-33,890 with 39 degrees of freedom. The p-value for the two-tailed test is 0.000 less than=0.05. It was proved that the average pre-test and post-test scores are significantly different. It means the application of the hybrid model learning is effective. The implication of research is to encourage the use of e-learning technology to improve academic learning outcomes.

Related SDGs Targets

Full Author List

Mahatmi, Marsvendah Fariza; Hasanuddin, Tasrif; Umar, Fitriyani; Universitas Muslim Indonesia, Indonesia

Abstract

Depot Anantama masih menggunakan nomor telepon seluler antara penjual dan pembeli dalam melakukan sistem pemesanan dan pengantaran, dan sistem yang masih mengandalkan ingatan pengantar galon depot anantama untuk mengingat nama dan lokasi pembeli yang datang memesan air galon sehingga pengantar air galon kesulitan dalam mencari alamat pelanggan. Selain itu, menentukan jadwal pengantaran dan menentukan rute jarak terdekat bukan hal yang mudah, apabila terjadi penentuan rute pengantaran air galon yang kurang tepat dapat mengakibatkan keterlambatan. Tujuan penelitian ini adalah Untuk membangun aplikasi pengantaran air galon depot anantama berbasis android dan mengimplementasikan metode haversine formula untuk menentukan jarak terdekat. Solusi analisis desain sistem difokuskan pada use case diagram, activity diagram, class diagram, rancangan tampilan antarmuka, dan metode black box sebagai pengujian sistem. Penelitian ini menghasilkan sebuah aplikai pengantaran air galon menggunakan metode haversine formula yang memungkinkan pengantar galon untuk lebih mudah dalam mendapatkan lokasi pelanggan dan pelanggan dapat memesan galon dengan mudah. Penelitian ini diuji menggunakan metode blackbox dan menguji secara betha. Total persentase pengujian betha yang dicapai yaitu 90,5%.

Related SDGs Targets

Full Author List

Sari, Nurul Litha; Hasanuddin, Tasrif, Program Studi Teknik Informatika Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM.05, Makassar dan 90231, Indonesia

Abstract

Pada penelitian bertujuan untuk memprediksi jumlah penderita covid-19 menggunakan metode Moving Average(SMA, dan EMA). Pengolahan data tersebut digunakan untuk memprediksi jumlah penderita covid-19. Adapun akurasi peramalan yang digunakan dalam penelitian ini yaitu MAD, MSE, RMSE, dan MAPE. Moving Average Modelyang akan digunakan pada penelitian ini merupakan metode untuk memperkirakan kondisi pada masa yang akan datang dengan menggunakan kumpulan data-data masa lalu. Periode waktu yang akan dikumpulkan data tersebut dapat berupa tahunan, bulanan, mingguan, bahkan harian. Hasil pengujian Simple Moving Average(SMA) pada line graphmenunjukkan peramalan nilai lebih dekat dengan data realdibandingkan dengan Exponential Moving Average(EMA). Pengunaan SMA 2 hingga SMA5 menunjukkan hasil peramalan SMA 2 paling mendekati dari data asli

Related SDGs Targets

Full Author List

Lorem ipsum dolor sit amet consectetur adipisicing elit. Nesciunt dolorem dolores 123ad maiores doloremque ducimus distinctio ratione exercitationem dicta aperiam ipsam, officiis harum voluptate dolore pariatur?

Abstract

Lorem ipsum dolor sit amet consectetur adipisicing elit. Nesciunt dolorem dolores ad maiores doloremque ducimus distinctio ratione exercitationem dicta aperiam ipsam, officiis harum voluptate dolore pariatur?

Related SDGs Targets

Full Author List

Purnawansyah; Hasanuddin, Tasrif; Herdianti, Universitas Muslim Indonesia

Abstract

Indonesia is a rich country in herbal plants that can be used as traditional medicine. Leaves are one of the main components of herbal plants that are difficult to distinguish in texture and shape. This study aims to classify two types of herbal leaves, namely Sauropus androgynus and Moringa leaves using the K-nearest neighbor (KNN) and Support vector machine (SVM) with fourier descriptor (FD) feature extraction on texture and shape features. The research uses primary data collected through a smartphone camera as much as 480 image data with light and dark scenarios which are then divided into 80:20 training and testing data. Based on the research that has been done, it is found that the KNN for light scenario data and dark scenarios get 92% and 94% accuracy respectively. The test results using SVM with FD feature extraction obtain an accuracy of 96% for light and dark scenarios. Thus, SVM is more recommended in the classification of herbal leaf images.

Related SDGs Targets

Full Author List

Syamsumarlin; Hasanuddin, Tasrif; Manga, Abdul Rachman; Program Studi Teknik informatika,Fakultas Ilmu Komputer,Universitas Mus

Abstract

Sistem pengairan di Indonesia mayoritas masih menggunakan model tradisional, efektifitas distribusi air kedalam lahan persawahan masih rendah dan pada dasarnya peran petani sebagai penyedia kebutuhan pangan, terutama di indonesia, sangat besar. Dalam pengolahannya, air merupakan sumber kehidupan yang tidak dapat tergantikan oleh apa pun dan sebagai salah satu faktor penting yang dilakukan sebagai proses pengairan atau lebih di kenal dengan istilah irigasi. Penelitian ini bertujuan untuk merancang alat pengontrolan otomatis aliran air pada saluran irigasi persawahan yang dapat mempermudah dalam memberikan air ke tanah persawahan jika tanah mengalami kekurangan air. Perancangan sistem dimulai dari rangkaian sensor Soil Moisture, Arduino Nano, Orange PI, dan Pompa Air. Hasil penelitian menunjukkan bahwa prototipe sistem pengontrolan otomatis aliran air pada saluran irigasi persawahan yang dirancang dapat mengetahui tanah yang kekurangan air dari nilai kelembaban yang didapat berdasarkan informasi sensor soil moisture, dan hasil dari jumlah telur yg di produksi akan di tampilkan pada website. Setelah melakukan proses dalam penelitian ini hasil didapatkan total nilai rata-rata sebesar 75,6% dari nilai rata-rata pengujian yang diperoleh, dengan menggunakan alat pengontrolan otomatis aliran air pada saluran irigasi persawahan ini dapat membantu melakukan pengisian air jika tanah pada persawahan mengalami kurangnya air sehingga pekerjaan petani menjadi lebih mudah.

Related SDGs Targets

Full Author List

Anwar, Ridwan Suhair; Hasanuddin, Tasrif; Abdullah, Syahrul Mubarak; Universitas Muslim Indonesia, Indonesia

Abstract

Teknologi pada saat ini yang berkembang dengan sangat pesatnya dan merupakan salah satu bidang yang mempunyai peran yang sangat penting dibeberapa aspek kehidupan manusia, termasuk pada bidang security. Saat ini telah banyak dikembangkan sebuah sistem pengamanan akses masuk ke sebuah rumah atau ruangan dengan beberapa verifikasi identitas dengan sistem komputer, baik dengan menggunakan kunci, kartu, password, dan sebagainya. Namun metode ini masih memiliki kekurangan seperti keterbatasan manusia dalam mengingat benda dan kombinasi angka yang menyebabkan tidak dapatnya diakses pintu tersebut. Oleh sebab itu teknik untuk identifikasi ataupun verifikasi yang handal dan akurat dapat di rancang menggunakan teknologi pengenalan dan algoritma haar cascade agar menhasilkakn sistem keamanan yang lebih baik. Berdasarkan masalah yang ada, maka dibangun sebuah alat Sistem keamanan pintu asrama berbasis pengenalan wajah dengan Algoritma Haar Cascade dimana alat tersebut dapat membuka pintu secara otomatis ketika wajah yang di hadapkan ke kamera terdeteksi dan telah terdaftar dalam database maka pintu akan terbuak dan ketika wajah yang terdeteksi oleh kamera tidak terdaftar dalam database makan pintu tidak akan terbuka dan bazzer akan berbuanyi. Algoritma Haar cascade classifier atau yang dikenal dengan nama lain haar-like features merupakan rectangular features (fungsi persegi), yang memberikan indikasi secara spesifik pada sebuah gambar atau image. Prinsip Haar-like features adalah mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukan merupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah image dan dapat bekerja dengan real time. Oleh karena itu dapat diperoleh kesimpulan bahwa alat ini dapat membantu sistem keamanan asrama pasangkayu dalam mengontrol setiap orang yang masuk didalam asrama, apakah dikenali atau tidak.

Related SDGs Targets

Full Author List

Alwi, Erick Irawadi; Hasanuddin, Tasrif; Universitas Muslim Indonesia, Indonesia

Abstract

Students to become the next generation for the nation and state must have knowledge of how to use technology properly. Not all students have an understanding of how to socialize safely in order to avoid cyber crimes which will become increasingly massive in the future, and students from SMA Negeri 13 Maros are no exception. For this reason, socialization and training on safe social media are needed so that students at SMA Negeri 13 Maros can avoid cyber crimes such as theft of personal data, fraud on behalf of other people on social media, cyber bullying to breaking into other people's accounts. The method used in this service is in the form of socialization and training in providing education to students of SMA Negeri 13 Maros. To measure the level of understanding before socialization, a pre-test was carried out with a result of 36.6 and a post-test after socialization of 85.8. From these results, it can be concluded that community service activities have increased partners' understanding regarding safe social media to avoid cyber crime.

Related SDGs Targets

Full Author List

Sudmar, Muammar Alam; Hasanuddin, Tasrif; Hasnawi, Mardiyyah; Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM.05, Makassar dan 90231, Indonesia

Abstract

Pasar merupakan salah satu dari berbagai sistem, organisasi, prosedur, hubungan sosial dan infrastruktur tempat usaha menjual barang, salah satu jenis pasar yang sering ditemukan adalah pasar tradisional yang dijual dan pembeli dapat saling menawar harga barang yang dijual langsung. Pedagang pasar tradisional mengatasi kesulitan mendapatkan efisiensi dan keluasan pasar serta menghemat waktu dan biaya karena transaksi hanya dilakukan di lingkungan pasar itu sendiri.Penelitian ini ditujukan untuk menghasilkan aplikasi pasar online di Kota Makassar yang dapat menjadi solusi bagi pengguna untuk pembelian dan penjualan bahan makanan nabati dan hewani berbasis mobile (Smart Market) menggunakan metode LBS ( Layanan Berbasis Lokasi ) yang dapat menawarkan akses ke pasar dengan pembeli , Analisis yang digunakan adalah Unified Modeling Languange (UML) dan metode pengujiannya dengan menggunakan metode Black Box Testing.Hasil dari penelitian yang dilakukan dari segi penjual, dapat mendukung produk jualannya secara online dan dari segi pembeli sebagai sarana pencarian pasar terdekat serta melakukan transaksi pembelian secara online .

Related SDGs Targets

Full Author List

Papua, Ahmad Ruslandia; Hasanuddin, Tasrif; Hasnawi, Mardiyyah, Department of Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

waste banks, but this number has decreased significantly, and by 2023 only 381 waste banks remain active. The decline in the number of waste banks is primarily due to the society's lack of knowledge regarding the utilization of waste banks. This research aims to rank active waste banks in Makassar using the MCDM (Multi-Criteria Decision Making) technique. Two MCDM methods will be utilized in this study: the TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) method and the VIKOR (VIseKriterijumska Optimizacija I Kompromisno Resenje) method. Both methods share a common goal of finding the closest value to the ideal solution, but they differ in their normalization and aggregation functions. TOPSIS calculates the criteria weight values first, followed by the criteria values, whereas VIKOR starts with the highest criteria values and then calculates the criteria weights. The results of this research indicate that some alternatives received the same ranking using TOPSIS and VIKOR methods. The criteria used to calculate data for Waste Banks are Operational Hours, Operational Schedule, Total Customers, Total Employees, and Amount of Collected Waste. These criteria are determined based on Regulation Minister of Environment and Forestry Republic of Indonesia Number 14 of 2021 concerning Waste Management at Waste Banks.

Related SDGs Targets

Full Author List

Bramantya, Andi Yudra; Hasanuddin, Tasrif; Umar, Fitriyani; Universitas Muslim Indonesia, Indonesia

Abstract

Plagiarisme adalah sebuah Tindakan mengambil atau menjiplak karya, gagasan atau ide-ide orang lain baik sengaja maupun tidak sengaja dan mengakui sebagai karya sendiri tanpa menyebutkan sumber dan penelitinya. Plagiarisme dalam proses pengerjaan tugas akhir, bukan merupakan hal yang baru terjadi. Plagiarisme dilakukan mulai dari pengusulan judul, dimana mahasiswa mengusulkan judul yang sama persis atau judul yang hampir sama. Membangun sebuah system yang dapat melakukan pengecekan kesamaan judul tugas akhir untuk mencegah kegiatan plagiarisme, dibutuhkan metode untuk proses pengecekan plagiarisme tersebut. Algoritma winnowing adalah salah satu algoritma yang dapat melakukan metode dokumen fingerprinting untuk mendeteksi plagiarisme. Proses plagiarisme menggunakan metode Winnowing ini dipengaruhi dengan nilai k-gram dan nilai window. Kedua variable tersebut ditentukan saat merancang dan membangun sebuah system plagiarisme menggunakan metode Winnowing. Pada penelitian ini, peneliti akan melakukan analisis terhadap pengaruh variabel k-gram dan window pada metode Winnowing dengan melihat hasil nilai plagiarisme yang dihasilkan. Peneliti akan menerapkan metode Winnowing dengan beberapa nilai k-gram dan nilai window. Hasil dari penelitian ini adalah sebuah sistem yang menerapkan metode winnowing untuk memeriksa kesamaan judul tugas akhir. Sistem pengecekan dibangun dengan nilai variabel k dan w dapat diisi oleh pengguna dengan tujuan sistem ini dibangun untuk melakukan analisis terhadap metode winnowing. Pada penelitian ini menggunakan 25 pasang nilai k dan w dan diperoleh bahwa Variabel k lebih berpengaruh pada hasil similaritas dibandingkan dengan variabel w, terbukti pada hasil penelitian, selisih hasil kemiripan untuk perbedaan nilai k yaitu 5% - 9% sedangkan selisih hasil kemiripan untuk perbedaan nilai w yaitu 1% - 3%.

Related SDGs Targets

Full Author List

Indra, Dolly; Salim, Yulita; Herman; Atmajaya, Dedy; B, Poetri Lestari B; Hasanuddin, Tasrif, Faculty of Computer Science Universitas Muslim Indonesia Makassar, Indonesia

Abstract

Digital images stored in computers or owned smartphones are particularly vulnerable to the danger of theft. Not all digital images can be freely shared to others. If personalized digital images fall into the hands of others then their potential will increase to abuse. There have been many cases where images were spread without permission, thus harming certain parties. Therefore, a method that can be used to secure digital images from the dangers of abuse is required. Cryptographic methods for example have been commonly used to secure various types of digital data. One of the known cryptographic methods is the Transposition Cipher. This method can transpose the content of digital data in text form. So that the original text will be scrambled and no longer meaningful to the reader. This method can be modified in order to encrypt digital images. The result is a scrambled image content that is safe from abuse when the image is stolen.

Related SDGs Targets

Full Author List

Yahya, Muhammad; Hasanuddin, Tasrif; Abdullah, Syahrul Mubarak, Universitas Muslim Indonesia, Jalan Urip Sumoharjo, Makassar, 90231, Makassar

Abstract

Pengaduan atau penyampaian kritikan dan keluhan mahasiswa di Fakultas Ilmu Komputer dilakukan secara manual dengan cara memberitahu aduan secara langsung kepada pihak Fakultas. Penelitian ini bertujuan untuk membangun sistem pengaduan menggunakan PIECES sehingga informasi pengaduan dapat diolah secara tepat dan efisien. Analisis masalah pengaduan dilihat dari beberapa elemen antara lain kinerja, informasi, ekonomi, kontrol, efisiensi dan pelayanan di Fakultas Ilmu Komputer. Perancangan sistem dilakukan dengan menggunakan Unified Modelling Language (UML). Hasil Penelitian berupa implementasi perancangan sistem pengaduan mahasiswa berbasis Android sebagai media informasi pengaduan mahasiswa.

Related SDGs Targets

Full Author List

Rahman, Zulihsan; Hasanuddin, Tasrif; Abdullah, Syahrul Mubarak, Program Studi Teknik informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia,Jl.Urip Sumoharjo KM.05, Makassar dan 90231, Indonesia

Abstract

Sistem keamanan dan kerahasiaan data merupakan salah satu aspek penting dalam perkembangan dunia komunikasi, khususnya komunikasi yang menggunakan komputer dan terhubung dengan jaringan. Algoritma Twofish merupakan salah satu algoritma kriptografi simetris yang bekerja dalam bentuk block cipher dengan struktur jaringan Feistel dan menggunakan S-box. Penelitian ini bertujuan untuk mengimplementasikan algoritma Twofish serta mengujinya melalui pembuatan aplikasi berbasis web yang dapat digunakan untuk proses enkripsi dan dekripsi file seperti *.pdf dan *.jpg. Pengujian sistem dilakukan menggunakan file dokumen dengan ekstensi *.doc.

Related SDGs Targets

Full Author List

Hasanuddin, Tasrif, Department of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Hadi, Mokh Sholihul; Sujito, Department of Electrical Engineering and Informatics, Universitas Negeri Malang, Malang, Indonesia; Rosnani, Department of Information System, STMIK Professional Makassar, Makassar, Indonesia

Abstract

In the context of rapidly advancing smart education systems, the effective management and optimization of modern classroom remain critical challenges. This research presents a novel methodology leveraging cloud and fog computing-based simulations, with a specific focus on the implementation of iFogSim. Empirical findings validate the efficacy of fog computing in monitoring classrooms, demonstrating significant improvements in performance metrics compared to traditional cloud computing architectures. Specifically, fog computing ensures remarkably low latency, with a mere 7 milliseconds, even with scalable integration across multiple classrooms. In contrast, cloud computing infrastructures exhibit considerably higher initial latencies, starting at 210 milliseconds, which further escalate with the increasing number of monitored classrooms. Furthermore, our analysis reveals substantially lower network overhead associated with fog computing, measuring at 5,231.8 kilobytes, in sharp contrast to the significantly higher network usage of 80,808 kilobytes observed with cloud computing solutions. These findings underscore the potential of fog computing as a promising solution for efficient and real-time management classroom in smart education environments.

Related SDGs Targets

Full Author List

Purnawansyah; Supriadi, Naufal Abiyyu; Manga, Abdul Rachman; Adawiyah, Rabiatul; Harlinda; Hasanuddin, Tasrif, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

The volume of network traffic is ever-increasing, hence making DDoS attacks serious threats to the integrity of network security. This research paper focuses on improving the accuracy of detecting DDoS attacks using the ensemble machine learning methods of stacking, bagging, voting, and gradient boosting. In this work, is dataset big enough to correctly reflect real network traffic is used for training and testing purposes. The results indicate that gradient boosting has an accuracy rate of 0.99, followed by stacking and bagging, at 0.98. In this regard, both approaches tend to be efficient in the identification of the attack with limited errors in the prediction. Accordingly, the ensemble technique thus provides a robust approach toward the detection of DDoS attacks, while the study provides important information on the implementation of such strategies in real-time network security systems. Additional investigation is advised to examine supplementary datasets and optimize hyperparameters in order to enhance detection efficacy.

Related SDGs Targets

Full Author List

Hasanuddin, Tasrif; Mude, Muh Aliyazid, Universitas Muslim Indonesia

Abstract

Sistem Keamanan merupakan hal yang sangat dibutuhkan seiring dengan semakin banyaknya jumlah kendaraan di kota- kota besar. Keamanan merupakan bagian yang penting dalam kehidupan manusia. Sistem keamaman dan pengawasan di Sebuah area parkiran perlu disediakan untuk pengendara.Kejadian Pencurian di area parkiran biasa terjadi Ketika pengawasannya kurang optimal, oleh karena itu hingga saat ini teknologi sistem keamanan terus dikembangkan oleh para peneliti untuk menciptakan teknologi yang dapat menjamin rasa aman ke pengguna. Namun teknologi yang ada masih perlu di tingkatkan fungsi dan kualitasnya, salah satunya untuk meningkatkan teknologi tersebut dengan mengaplikasikan sistem pengawasan parkiran dengan menggunakan aplikasi telegram di mana kita bisa mengontrol, mengakses dan mendapatkan laporan tentang kondisi pengendara pada saat memasuki parkiran. Pada penelitian ini bertujuan merancang prototype sistem pengawasan parkiran dan kontrol gerbang parkiran otomatis menggunakan Esp 32 Cam dengan notifikasi telegram, dimana Ketika sensor PIR ( Passive Infraret) dan sensor Ultrasonik mendeteksi objek, maka esp 32 cam mengambil foto dan mengirimkan hasilnya kepada pengguna melalui aplikasi telegram lalu palang servo akan terbuka dengan delay 5 detik lalu tertutup kembali. Dari hasil pengujian yang dilakukan, di dapatkan hasil berupa jarak maksimum sensor untuk mendeteksi objek adalah 10 cm, dan untuk waktu pengiriman notifikasi ke telegram mendapatkan hasil rata – rata 4,98 /detik. Dari pengujian yang dilakukan terbukti sistem mampu bekerja mendeteksi, mengambil foto dan mengirim hasilnya ke pengguna.

Related SDGs Targets

Full Author List

Herman, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Nasir, Haidawati; Noor, Megat Norulazmi Megat Mohamed, Computer Engineering Technology, MIIT Universiti Kuala Lumpur, Kuala Lumpur, Malaysia; Hasanuddin, Tasrif; Indra, Dolly, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Lumentut, Hence Beedwel, Computer Engineering, STMIK Agamua Wamena, Wamena, Indonesia

Abstract

Toraja is a part of Indonesia located on the island of Sulawesi. One form of Toraja culture is carving art made from wood, bamboo or stone. There are around 70 types of Toraja carving motifs. With so many motifs and some motifs being almost similar to each other, it can make it difficult for the public and tourists to know the name of the motif. This research focuses on classifying Toraja carving images using Convolutional Neural Network (CNN) and measuring the performance of the LeN et-5 architecture. The number of Toraja carving motifs used in this research is 7 and the data is 700, where each motif is represented by 100 data. In testing, 3 explorations were carried out, namely dividing training and validation data, Batch Size values, and Target Size values. Based on test results, the 70:30 data division provides the highest level of accuracy compared to other data divisions. Increasing the Batch Size value has a negative impact on the level of accuracy. On the other hand, increasing the Target Size value has a positive impact on the accuracy value. The best Batch Size and Target Size values in this study were 32 and 256x256 with respective accuracies of 50.67% and 69.33%.

Related SDGs Targets

Full Author List

Ikhsan, Muhammad Fiqri Fachrezi; Alwi, Erick Irawadi; Hasanuddin, Tasrif Program Study Informatics Engineering, Faculty of Computer Science, Indonesian Muslim University, Makassar, Indonesia

Abstract

The development of the world of computers, the internet and web technology is so rapid that it has penetrated all areas of people's lives. The increasing number of internet service users means that more and more information can be found online. Many individuals are aware of how the information they provide can be used, and organizations are increasingly aware of information security risks that can have negative impacts. Losing important documents can affect business processes, an organization's image, customer trust, and relationships with their business partners. This incident also occurred at PT. Sadikun Niagamas Raya as a subsidiary of PT. Pertamina. The purpose of this research is to test the security of the www.sadikun.com web domain against attacks from outside parties and convert the penetration testing results into an understandable report. The method used in this research is the Penetration Testing method with several steps starting from Star, searching for information, scanning, testing possible security gaps, creating a test report until completion. The results obtained from this research are that 3 security gaps were found, including scripts that can be inserted and executed in the search column, usernames and passwords that can be accessed in the database due to the ID parameter in the URL being vulnerable to sqlinjection attacks, the database can be downloaded via the URL caused by a configuration error on the server side. Based on the OWASP framework which lists the 10 most common web application security vulnerabilities that have the potential to harm PT. Sadikun Niagamas Raya.

Related SDGs Targets

Full Author List

Riyadi, Rahmat; Hasanuddin, Tasrif; Abdullah, Syahrul Mubarak, Universitas Muslim Indonesia

Abstract

Media Informasi terus berkembang dengan seiring kemajuan teknologi yang semakin memudahkan manusia dalam menyampaikan pesan-pesan yang relevan, cepat, dan bermanfaat. Virtual Reality (VR) adalah teknologi yang semakin populer yang memungkinkan pengguna untuk mengalami dan berinteraksi dengan lingkungan yang disimulasikan secara digital secara immersif. Media informasi pada lingkungan gedung kampus menjadi salah satu topik yang dibahas dalam penelitian ini. Penelitian ini mengambil studi kasus gedung yang terdapat pada salah satu bangunan Workingspace Fakultas Ilmu Komputer Universitas Muslim Indonesia. Tujuan dari penelitian ini adalah penerapan teknologi Virtual Reality pada bangunan Workingspace beserta tata ruang dan penyampaian konten informasi yang dinamis dan interaktif. Metode yang digunakan dalam penelitian ini adalah Multimedia Development Life Cycle (MDLC). Berdasarkan hasil rancangan yang telah dilakukan pada sistem Virtual Reality Workingspace diperoleh hasil bahwa alat berjalan sesuai dengan yang diinginkan, penyampaian konten dinamis dan informasi untuk teks, suara dan gambar sesuai yang diinginkan.

Related SDGs Targets

Full Author List

Alwi, Erick Irawadi, Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Muslim Indonesia; Hasanuddin, Tasrif, Prodi Teknik Informatika, Fakultas Ilmu Komputer Universitas Muslim Indonesia

Abstract

Students become the next generation of the nation and the state must know how to utilize technology properly. Not all students have an understanding of how to be wise with social media to avoid the snares of the ITE Law, not a few students do not understand the legal risks of applying the ITE Law, including students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. For this reason, socialization and training on Wise social media and ITE Law are needed so that students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep can avoid the legal traps of the ITE Law. The method used in this service is in the form of socialization and training in providing education to students of Madrasah Aliyah Darud Da'wah Wal Irsyad Pangkep. The results of measuring the level of understanding before socialization were carried out pre-test with results of 40.8% and post-test after socialization of 90.6% of these results can conclude that community service activities have increased student understanding related to Wise social media to Avoid the Snares of the ITE Law by 49.8%.

Related SDGs Targets

Full Author List

Arsyad, Muh Arya; Hasanuddin, Tasrif; Hasnawi, Mardiyyah; Universitas Muslim Indonesia, Indonesia

Abstract

Umat islam melaksanakan ibadah qurban setiap tahun. Sapi adalah salah satu hewan qurban yang disembeli dalam perayaan eid adha. Sapi yang disembeli harus sesuai syariat islam. Beberapa panitia pelaksana pemotongan hewan qurban kurang memiliki pengetahuan mengenai berbagai penyakit yang dapat menyerang sapi dan sulitnya mencari tenaga medis khusus hewan atau dokter hewan sehingga panitia qurban tidak dapat secara cepat menangani sapi yang terkena penyakit. Penelitian ini bertujuan untuk membangun sistem pakar diagnosa penyakit pada sapi dan menentukan kelayakannya sebagai hewan qurban dengan menerapkan K-Nearest Neighbor (K-NN). Sampel penelitian ini menggunakan 13 jenis penyakit dan 43 gejala pada sapi sebagai data latih dan data uji. Data tersebut dihitung jarak terdekat menggunakan Euclidean Distance dan ditentukan banyaknya k tetangga terdekat untuk melakukan klasifikasi data baru. Hasil penelitian berupa aplikasi yang mampu menentukan diagnosa penyakit pada sapi menggunakan K-NN. Berdasarkan pengujian aplikasi menggunakan Black Box Testing menunjukkan tingkat penerimaan aplikasi sebesar 86.66%.

Related SDGs Targets

Full Author List

Suardi, Citra; Hasanuddin, Tasrif; Mude, Muhammad Aliyazid; Universitas Muslim Indonesia, Indonesia; Wibawa, Aji Prasetya; Universitas Negri Malang, Indonesia; Cokrowibowo, Sugiarto; Universitas Sulawesi Barat, Indonesia

Abstract

Exact Match is used to bring up sentences only on certain keywords. This study aims to apply the Exact Match method in the Al-qur'an and Hadith applications to find conformity between verses and hadiths. This research simplify for the people to increase their knowledge of the Qur'an and Hadith. This study uses interview techniques for some Muslims regarding the need to learn the quran and the hadith, observation technique is to do a comparison of several hadiths by asking for recommendations from the ustadz/ustazah, identify what are the shortcomings of existing hadith applications, and literature study techniques that are collecting data obtained from the Qur'an and the Hadith. The results of this study are (1) Created an application to match Hadiths that are in accordance the verse with the Exact Match method (2) Showing hadith related to the contents of the selected verse (3) Speed to produce a match in the Application of the Qur'an and Hadith depends on the internet network and the amount of data (4) The number of hadiths that appear is influenced by the number of available hadiths.

Related SDGs Targets

Full Author List

Kurniati, Nia; Hasnawi, Mardiyyah; Abdullah, Syahrul Mubarak; Hasanuddin, Tasrif, Program Studi Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia; Puspitasari, Andi, Program Studi Pendidikan Bahasa & Sastra Indonesia, Universitas Muslim Indonesia, Makassar,Indonesia.

Abstract

Kegiatan Pengabdian kepada Masyarakat (PkM) yang berjudul Transformasi Literasi Ilmiah bagi Guru di SDIT Wahdah Islamiyah 01 Makassar melalui Pelatihan Menulis Berbasis Teknologi Digital dilaksanakan untuk menjawab kebutuhan peningkatan kompetensi guru dalam literasi ilmiah dan pemanfaatan teknologi digital dalam pembelajaran. Perkembangan teknologi menuntut guru tidak hanya mampu menulis secara ilmiah, tetapi juga memahami dan memanfaatkan berbagai platform digital yang menunjang proses penulisan, kolaborasi, serta pengelolaan dokumen. Namun, sebagian guru masih memiliki keterbatasan dalam penggunaan Google Tools seperti Google Docs, Google Scholar, Google Drive, dan Google Classroom, sehingga proses pembelajaran dan administrasi belum berjalan secara optimal. Pelatihan ini dirancang dengan metode observasi, wawancara, studi pustaka, pelatihan teknis, pendampingan langsung, serta evaluasi melalui penyebaran kuesioner. Materi pelatihan mencakup teknik penulisan ilmiah, pengolahan dokumen digital, pencarian referensi ilmiah, penyimpanan dan berbagi dokumen secara kolaboratif, serta pemanfaatan platform digital untuk pembelajaran. Pelatihan berlangsung interaktif dengan praktik langsung yang dibimbing oleh dosen dan mahasiswa pendamping. Hasil kegiatan menunjukkan peningkatan signifikan pada pemahaman dan keterampilan guru dalam menulis ilmiah berbasis teknologi digital. Guru mampu menghasilkan draft artikel ilmiah, mengelola dokumen secara daring, dan memanfaatkan Google Tools dalam pembelajaran. Respon kuesioner menunjukkan bahwa peserta merasa pelatihan bermanfaat, relevan, dan mudah diterapkan dalam tugas sehari-hari. Meskipun terdapat kendala seperti perbedaan kemampuan digital dan gangguan internet, kegiatan tetap berjalan efektif. Secara keseluruhan, PkM ini berhasil mendorong transformasi literasi ilmiah dan kompetensi digital guru, serta menjadi langkah penting bagi sekolah dalam mewujudkan pembelajaran modern yang kreatif, kolaboratif, dan berbasis teknologi.

Related SDGs Targets

Full Author List

Syah, Fathurrahman Putra; Hasanuddin, Tasrif; Kurniati, Nia, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan media sosial, khususnya Twitter, telah menjadi sarana utama bagi masyarakat Indonesia dalam menyampaikan opini dan pandangan terhadap berbagai isu, termasuk politik. Analisis sentimen menjadi metode yang efektif untuk memahami kecenderungan opini publik melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen tweet netizen terkait isu politik di Indonesia dengan menerapkan algoritma Naïve Bayes Classifier. Data dikumpulkan dari tweet yang membahas isu politik dan diproses melalui tahap preprocessing, seperti pembersihan data, normalisasi kata, serta penghapusan kata yang tidak relevan. Hasil penelitian menunjukkan bahwa model Naïve Bayes memiliki akurasi sebesar 72% setelah dilakukan optimasi, dengan kinerja yang baik dalam mendeteksi sentimen positif dan netral, namun masih menghadapi tantangan dalam mengidentifikasi sentimen negatif akibat ketidakseimbangan data. Sentimen negatif umumnya berisi kritik terhadap kebijakan pemerintah, sementara sentimen positif mencerminkan harapan dan dukungan terhadap proses politik. Kelemahan dalam penelitian ini disebabkan oleh asumsi independensi fitur dalam Naïve Bayes serta kompleksitas bahasa dalam tweet, seperti sarkasme dan konteks yang ambigu. Oleh karena itu, penelitian lebih lanjut disarankan untuk mengembangkan pendekatan yang lebih canggih, seperti deep learning atau model hibrida, guna meningkatkan akurasi klasifikasi sentimen politik di media sosial

Full Author List

Septiani, Berlian; Hasanuddin, Tasrif; Astuti, Wistiani, Universitas Muslim Indonesia, Makassar, 90231, Indonesia

Abstract

Lontara script is a traditional writing system of the Bugis-Makassar people in South Sulawesi, used to write the Bugis, Makassar, and Mandar languages. This system is based on an abugida, in which each letter represents a consonant with an inherent vowel. It was once used to record history, customary law, and literature, but its use has declined due to the influence of the Latin alphabet. Today, the Lontara script is preserved through education and digitization as part of the cultural heritage of the Indonesian archipelago. In this article, the researchers attempt to use a dataset of handwritten Lontara Bugis-Makassar characters. The process begins with the collection of character datasets, which are then processed through Canny segmentation and Hu Moment feature extraction to obtain a representation of the shape that is invariant to rotation and scale. The processed data was divided into training and testing data, then classified using the K-NN, Decision Tree, and Random Forest algorithms. The results showed that the KNN algorithm with 6 neighbors achieved the highest accuracy, precision, and recall of 98%. The Decision Tree algorithm achieved an accuracy of 96.67%, precision of 96.22%, recall of 95.33%, and an F1-score of 95.98%. Meanwhile, Random Forest showed an accuracy of 96.67%, precision of 96.34%, recall of 96%, and an F1-score of 95.98%.

Related SDGs Targets

Full Author List

Kurniati, Nia, Universitas Muslim Indonesia, Jl.Urip Sumoharjo Km.05, Makassar dan 90231, Indonesia; Irawati; Hasnawi, Mardiyyah; Fattah, Farniwati; As'ad, Ihwana; Hasanuddin, Tasrif, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Jl.Urip Sumoharjo Km.05, Makassar dan 90231, Indonesia; Mazhud, Nurfathana, Fakultas Sastra, Universitas Muslim Indonesia, Jl.Urip Sumoharjo Km.05, Makassar dan 90231, Indonesia

Abstract

Kegiatan Pengabdian kepada Masyarakat (PKM) ini dilaksanakan di Taman Pendidikan Al-Qur’an (TPA) Darul Ilmi, Kelurahan Benteng Selatan, Kepulauan Selayar. Tujuan kegiatan ini adalah untuk memberikan edukasi kepada siswa-siswi TPA mengenai pengelolaan sampah non-organik menjadi barang kerajinan tangan melalui penerapan aplikasi digital berbasis multimedia interaktif. Permasalahan utama mitra meliputi metode pembelajaran yang masih konvensional dan monoton, serta rendahnya pengetahuan masyarakat dan siswa tentang jenis-jenis sampah dan cara pemanfaatannya. Solusi yang ditawarkan berupa penggunaan aplikasi edukasi yang berisi informasi tentang pengertian, jenis, dampak, dan cara pengolahan sampah non-organik, disertai tutorial pembuatan kerajinan tangan serta permainan edukatif. Metode pelaksanaan kegiatan meliputi observasi, wawancara, studi pustaka, sosialisasi, pelatihan, pendampingan, dan evaluasi melalui penyebaran kuesioner pre-test dan post-test. Hasil kegiatan menunjukkan peningkatan pengetahuan siswa TPA sebesar 67% setelah penerapan aplikasi. Para peserta menjadi lebih aktif, kreatif, dan memahami pentingnya pengelolaan sampah bagi lingkungan. Selain itu, siswa mampu mengolah limbah non-organik menjadi produk kerajinan seperti tempat pensil, vas bunga, dan hiasan dinding. Kegiatan ini tidak hanya meningkatkan keterampilan dan kesadaran lingkungan peserta, tetapi juga memperkenalkan pendekatan pembelajaran berbasis teknologi yang menarik dan efektif di lingkungan pendidikan non-formal. Dengan demikian, penerapan aplikasi ini terbukti bermanfaat dalam menumbuhkan kreativitas serta kepedulian terhadap lingkungan sejak usia dini.

Related SDGs Targets

Full Author List

Fathrurahman, Fauzy; Indra, Dolly; Hasanuddin, Tasrif; Darwis, Herdianti, Universitas Muslim Indonesia, Makassar, Indonesia; Kazuaki, Tanaka, Kyushu Institute of Technology, Iizuka, Japan

Abstract

Background: Waste mismanagement remains a critical issue in Indonesian campuses, where ineffective segregation and collection practices contribute to environmental pollution. Smart technologies offer opportunities to improve waste handling efficiency and monitoring in university environments. Methods: This study developed a smart waste bin prototype that integrates Internet of Things (IoT) sensors, machine learning–based image classification (MobileNetV2 with TensorFlow Lite), GPS tracking, and LoRa communication. The system was designed to classify three types of waste—plastic bottles, snack packaging, and cans—while enabling fill-level monitoring, automated sorting, and real-time location reporting. Results: Experimental results showed strong classification accuracy for plastic bottles (100%), but lower performance for snack packaging (53–80%) and cans (40–67%), especially in low-light conditions or with darker materials. The overall real-time testing accuracy reached 45.1%. LoRa communication provided long-range connectivity but was affected by electromagnetic interference, while GPS tracking was reliable in open areas but inconsistent indoors. Conclusions: The prototype demonstrates the feasibility of integrating AI and IoT for scalable campus waste management. Despite environmental and hardware limitations, it offers a modular framework that can be refined with improved lighting, EMI shielding, and enhanced datasets. This research contributes a practical model for smart campus initiatives and supports the adoption of sustainable waste management practices in higher education environments.

Related SDGs Targets

Full Author List

Azis, Huzain; M, Muh Fatwah Fajriansyah; Darwis, Herdianti; Purnawansyah; Hasanuddin, Tasrif; Sugiarti, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Automatic Speech Recognition (ASR) systems perform well for high-resource languages but remain unreliable for regional dialects with limited data. The Makassar dialect, spoken by approximately nine million people in South Sulawesi, Indonesia, presents unique phonetic and grammatical challenges, including high-frequency particles such as mi, ji, and ko. This study introduces the first benchmark evaluation of state-of-the-art ASR models on Makassar speech. Four models, Whisper (tiny, base, small) and Wav2Vec2 Large XLSR Indonesian, were tested on 305 spontaneous utterances (∼10 minutes) from 10 native speakers. Results show severe performance degradation: the best model (Wav2Vec2 Indonesian) reached 87.73% of word error rate (12.27% accuracy). Error analysis reveals two dominant failure modes: Dialect Particle Blindness (average detection rate 2.9%) and Systematic Phonetic Mismatch (89 vowel confusions), indicating that current models treat dialectal features as noise. These findings underscore the urgent need for dialect-aware ASR adaptation and dataset development, providing a foundation for inclusive speech technology across Indonesia's linguistic diversity.

Related SDGs Targets

Full Author List

Anraeni, Siska; Hasanuddin, Tasrif; Belluano, Poetri Lestari Lokapitasari; Fadhiel, Andi Muhammad,Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Permasalahan dalam penelitian ini adalah pelayanan administrasi kependudukan Kantor Desa Pucak masih bersifat konvensional. Maka penelitian ini bertujuan untuk merancang dan membangun suatu Sistem Informasi Pelayanan Administrasi Kependudukan tingkat desa guna meningkatkan kualitas pelayanan bagi aparat Kantor Desa Pucak terhadap warga setempat. Penelitian ini menggunakan model siklus hidup pengembangan sistem waterfalldan perancangan sistem informasi pelayanan desa berbasis web. Hasil penelitian yang didapatkan yaitu sistem telah berhasildibuat dan diterapkan pada Kantor Desa Pucak dalam pengelolaan data penduduk dan pelayanan penduduk atau warga setempat untuk pembuatan surat-surat keterangan/pengantar antara lain: Surat Keterangan Kematian, KTP, Surat Keterangan Tidak Mampu (SKTM), Akta Perkawinan, Akta Kelahiran, Izin Usaha, Surat Keterangan Catatan Kepolisian (SKCK), Izin Keramaian, dan Kepemilikan.

Related SDGs Targets

Full Author List

Kadir, Aqifah; Hasanuddin, Tasrif, Universitas Muslim Indonesia

Abstract

Website menjadi sarana utama dalam penyebaran informasi akademik dan administratif di lingkungan perguruan tinggi. Penelitian ini bertujuan untuk mengukur kualitas website FIKOM.UMI.AC.ID menggunakan metode WebQual 4.0, yang menilai tiga dimensi utama, yaitu usability (kegunaan), information quality (kualitas informasi), dan service interaction quality (kualitas interaksi layanan), serta pengaruhnya terhadap kepuasan pengguna.Metode penelitian yang digunakan mencakup penyebaran kuesioner berbasis skala Likert kepada pengguna website, diikuti dengan uji validitas dan reliabilitas untuk memastikan keakuratan instrumen penelitian. Analisis data dilakukan menggunakan uji regresi linear berganda, uji t, dan uji f untuk mengidentifikasi pengaruh masing-masing variabel terhadap kepuasan pengguna.Hasil penelitian menunjukkan bahwa variabel service interaction quality memiliki pengaruh signifikan terhadap kepuasan pengguna, sedangkan usability dan information quality tidak memberikan pengaruh signifikan secara individu. Namun, secara simultan, ketiga variabel independen memiliki pengaruh signifikan terhadap kepuasan pengguna. Hal ini mengindikasikan bahwa aspek interaksi layanan merupakan faktor utama dalam meningkatkan kepuasan pengguna terhadap website

Related SDGs Targets

Full Author List

Hasanuddin, Tasrif; R, Muhammad Alif Maulana; Darwis, Herdianti; Gaffar, A. Widya Mufila; Satra, Ramdan; Fattah, Farniwati, Universitas Muslim Indonesia

Abstract

The threat of Distributed Denial of Service (DDoS) attacks is a serious challenge to network stability and security, especially in centralized Software Defined Networking (SDN) architectures. This study aims to evaluate and compare the performance of three classification algorithms in detecting DDoS attacks, namely Fully Connected Neural Network (FCNN), Extreme Gradient Boosting (XGBoost), and Random Forest. The dataset used is public SDN network traffic data that has gone through a normalization and feature selection process to improve model efficiency and accuracy. The evaluation was conducted on four scenarios of training and test data sharing ratios (90:10,80:20,70:30, and 60:40) using accuracy, precision, recall, and F 1-score metrics. The test results show that Random Forest obtained the highest accuracy of 99.61 %, followed by FCNN at 94.95 %, and XGBoost at 99.01 %. Despite the slightly lower accuracy, XGBoost showed the best computational efficiency with the fastest training time of 0.94 seconds and the fastest prediction time of 0.03 seconds, making it an ideal choice for real-time detection system implementation. These findings contribute to the development of a precise, efficient, and adaptive DDoS detection system. Future research is recommended to explore advanced feature selection methods such as Recursive Feature Elimination (RFE) to improve the overall performance and efficiency of the model.

Related SDGs Targets

Full Author List

Widiyanti, Nabila; Hasanuddin, Tasrif; Azis, Huzain, Universitas Muslim Indonesia;

Abstract

Managing multiple academic tasks with overlapping deadlines remains challenging for university students, while conventional task-management applications still require substantial manual organization and prioritization. This study develops an LLM-based AI Task Agent that enables conversational academic task management through Telegram and workflow automation. Method The proposed system integrates Telegram as the interaction interface, n8n for workflow orchestration, an LLM-based AI agent for natural-language interpretation and tool selection, Google Sheets for task-data operations, PostgreSQL for conversational memory, and scheduled workflows for automated reminders. The system supports Create, Read, Update, and Delete operations, contextual priority recommendations based on deadline, urgency, and lecturer strictness, and proactive reminders. Functional performance and response time were evaluated across the primary system functions. Results and Discussion Create, Read, Update, and Delete operations achieved 100% functional accuracy, while priority recommendation and automated reminder functions achieved 95%. Recorded processing times ranged from 3.1 to 3.5 seconds, with an average of approximately 3.32 seconds. The results demonstrate that separating LLM-based interpretation from predefined external tool execution enables reliable conversational task management while maintaining controlled data operations. Conclusion The proposed LLM-based AI Task Agent demonstrates the feasibility of integrating conversational interaction, executable task-management functions, contextua

Related SDGs Targets

Full Author List

Astuti, Wistiani; Alwi, Erick Irawadi; Fattah, Farniwati; Hasanuddin, Tasrif; Sari, Ulfa; Almagfirah, Ainur Rahma, Universitas Musllim Indonesia

Abstract

Introduction: Tea leaf diseases can substantially reduce crop quality and productivity, making early and accurate diagnosis important for effective disease management. This study compares ResNet50 and ResNet101 as pretrained deep feature extractors combined with Support Vector Machine (SVM) to determine whether a deeper residual architecture can improve discrimination among visually similar tea leaf disease classes. Method: Images were obtained from the Kaggle “Identifying Disease in Tea Leaves” dataset comprising eight classes. Data augmentation increased each class to 800 images, yielding 6,400 images that were divided into training and testing sets using an 80:20 ratio. ResNet50 and ResNet101 pretrained on ImageNet were used as fixed feature extractors, and the resulting feature vectors were standardized and classified using an RBF-kernel SVM. Results and Discussion: ResNet101–SVM achieved the best performance with 97.97% accuracy and precision, recall, and F1-score of 98%, substantially outperforming ResNet50–SVM, which achieved 89.15% accuracy, 90% precision, 89% recall, and 89% F1-score. The deeper ResNet101 architecture provided more discriminative representations for visually similar disease patterns, although a small number of misclassifications remained. Conclusion: ResNet101 combined with SVM provides a more accurate and reliable framework than ResNet50–SVM for multi-class tea leaf disease classification and offers a promising foundation for automated disease diagnosis systems.

Related SDGs Targets