Research Publications

Authors

Ikhsan, Muhammad Dirga Juang; As’ad, Ihwana; Darwis, Herdianti, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia, Jl. Urip Sumoharjo Km.05, Kota Makassar, Sulawesi Selatan, Indonesia

Abstract

Stunting merupakan masalah kesehatan masyarakat yang memerlukan pemahaman terhadap variasi profil balita terdampak. Penelitian ini bertujuan melakukan stratifikasi profil antropometri balita stunting di wilayah kerja Puskesmas Pamboang menggunakan K-Means dengan validasi Silhouette Score. Penelitian menggunakan pendekatan kuantitatif komputasional terhadap data sekunder antropometri balita stunting tahun 2025. Dari 826 data awal, satu pencilan teknis dikeluarkan sehingga 825 data dianalisis. Fitur klasterisasi meliputi umur dalam bulan, berat badan, dan Height-for-Age Z-Score(HAZ), sedangkan jenis kelamin, tinggi badan, kategori TB/U, desa/kelurahan, dan posyandu digunakan untuk interpretasi. Jumlah klaster optimal ditentukan dengan menguji K = 2 hingga K = 10. Hasil tertinggi diperoleh pada K = 3 dengan Silhouette Score0,4011. Klasterisasi menghasilkan tiga profil, yaitu balita dengan gangguan pertumbuhan paling berat, balita stunting usia lebih tua dengan ukuran tubuh absolut lebih besar, dan balita stunting usia lebih muda dengan keparahan relatif lebih ringan. Sebaran wilayah dianalisis pada 10 desa/kelurahan dengan jumlah balita stunting tertinggi. Temuan ini menunjukkan bahwa K-Meansdapat mengolah data antropometri rutin menjadi informasi terstruktur untuk mendukung pemantauan pertumbuhan berbasis profil anak dan wilayah layanan.

Related SDGs

Authors

Sunggingwati, Dyah; Haviluddin, Universitas Mulawarman, Samarinda, Indonesia; Purnawansyah, Universitas Muslim Indonesia, Makassar, Indonesia; Trahutomo, Dinnuhoni, Universitas Mulawarman, Samarinda, Indonesia

Abstract

Critical literacy within Life-Based Learning (LBL) serves as a transformative educational approach that empowers students to engage critically with texts, media, and societal narratives, examining the ideologies, power dynamics, and cultural contexts embedded within them. This chapter examines the role of critical literacy in LBL, highlighting its significance in enabling students to understand and critically engage with the broader social structures that shape their lives. It discusses the expansion of critical literacy beyond traditional reading and writing to include digital and media literacy, driven by the technological advancements of the twenty-first century. The integration of technology in education facilitates new forms of content creation and analysis, enabling students to engage with and deconstruct media actively. The chapter also highlights how LBL fosters real-world application of critical literacy through projects that tackle local and global issues, such as environmental sustainability, social justice, and media representation. Through activities like media analysis, community research, and role-playing, students are encouraged to explore multiple perspectives and develop an understanding of power and equity. The chapter concludes with the assertion that critical literacy within LBL not only prepares students to analyze and critique information but also empowers them to become active, informed citizens capable of addressing complex societal challenges.

Related SDGs

Authors

Ambas, Muhammad Alif; Atmajaya, Dedy; Manga’, Abdul Rachman, Universitas Muslim Indonesia

Abstract

Pemberian pakan ayam broiler secara manual kerap dianggap tidak efisien karena memerlukan waktu, tenaga, dan berpotensi mengganggu konsistensi jadwal pemberian pakan. Penelitian ini bertujuan merancang sistem otomatisasi pemberian pakan berbasis mikrokontroler Arduino ATmega328 SMD yang bekerja secara terjadwal untuk meningkatkan efisiensi operasional peternakan. Sistem ini dilengkapi dengan sensor ultrasonic untuk memantau ketinggian pakan, load cell untuk menimbang berat pakan, modul Real Time Clock (RTC) untuk mengatur waktu, LCD sebagai penampil informasi, serta motor servo untuk mengatur buka-tutup katup pakan. Pemberian pakan dilakukan dua kali sehari, yakni pukul 08.00 dan 17.00, dengan takaran antara 315 hingga 393 gram per sesi. Simulasi pengujian menunjukkan bahwa semua komponen berfungsi optimal dalam skenario otomatis. Hasil perancangan sistem membuktikan bahwa sistem bisa digunakan dan diimplementasikan bagi peternak ayam untuk mengurangi beban kerja peternak, menjaga konsistensi waktu pemberian pakan. Dengan demikian, rancangan ini menawarkan solusi efektif dan praktis dalam manajemen pemberian pakan pada ayam broiler secara otomatis dengan pengaturan waktu terjadwal.

Related SDGs

Authors

Yusuf, Dwiky Aries Nugraha; Manga’, Abdul Rachman, Universitas Muslim Indonesia

Abstract

Perpustakaan berperan penting dalam mendukung pendidikan dan meningkatkan literasi masyarakat. Perkembangan teknologi informasi mendorong transformasi perpustakaan konvensional menjadi perpustakaan digital untuk memenuhi kebutuhan masyarakat modern yang mengutamakan efisiensi dan kemudahan akses informasi. Namun, perpustakaan digital menghadapi tantangan seperti keterbatasan dalam sistem pencarian, pengelolaan ulasan, dan penyediaan rekomendasi yang relevan. Permasalahan ini menunjukkan perlunya pengembangan sistem informasi berbasis teknologi yang lebih adaptif dan responsif terhadap kebutuhan pengguna. Penelitian ini bertujuan untuk merancang sistem informasi perpustakaan digital berbasis Natural Language Processing (NLP) yang mampu meningkatkan kualitas layanan perpustakaan dengan fitur rekomendasi bacaan buku digital. Teknologi NLP digunakan untuk menganalisis sentimen ulasan/komentar pengguna, meningkatkan akurasi pencarian, dan menyediakan rekomendasi buku sesuai preferensi. Proses pengembangan sistem mencakup pengumpulan data melalui web scraping, pelabelan, pre-processing, pembagian data, dan analisis model NLP. Evaluasi dilakukan untuk mengukur akurasi, presisi, dan recall. Hasil perancangan penelitian menunjukkan bahwa penerapan NLP dapat meningkatkan efisiensi sistem perpustakaan digital, baik dalam memahami kebutuhan pengguna maupun dalam menyajikan informasi. Sistem informasi perpustakaan digital tidak hanya membantu pengguna dalam menemukan bahan bacaan yang sesuai kebutuhan, tetapi juga memperkuat peran perpustakaan sebagai pusat literasi adaptif terhadap perkembangan teknologi. Dengan demikian, perpustakaan digital berbasis NLP menjadi solusi inovatif untuk meningkatkan aksesibilitas dan pengalaman pengguna secara signifikan

Related SDGs

Authors

L, Harlinda; Manga’, Abdul Rachman; Satra, Ramdan, Universitas Muslim Indonesia

Abstract

This study applies Artificial Intelligence (AI) using the Long Short-Term Memory (LSTM) algorithm to predict daily sales at the FIKOM-UMI Minimarket. Sales data from 2023 to 2024 involving 82 items were used and processed into a time series format. Five LSTM architectural scenarios were tested, including baseline, bigger model, lightweight, bidirectional LSTM, and single-layer medium, to identify the most effective model in capturing sales patterns. The data underwent preprocessing stages, including daily aggregation, reindexing to fill missing dates, and normalization using MinMaxScaler before being transformed into sequences with a 30-day time step. Model performance was evaluated using MSE, RMSE, MAPE, and accuracy metrics. The results show that the Bidirectional LSTM (Scenario 4) achieved the best performance, with the lowest MAPE of 19.43% and the highest accuracy of 80.57%. The model successfully generated stable predictions for 7-day and 30-day forecasting with a range of 153–155 units per day, indicating consistent sales patterns. Testing on the top 10 best-selling items showed significant performance variation, with GARUDA ROSTA BWNG 100 Gram achieving the highest accuracy (46.97%), while aoka rasa pandan showed the lowest performance (-76.05%). These findings demonstrate that the LSTM model can be effectively applied for sales prediction in campus minimarkets; however, a hybrid approach with product segmentation is recommended to optimize inventory management across product categories with varying levels of predictability

Related SDGs

Authors

Manga, Abdul Rachman; Handayani, Anik Nur; Herwanto, Heru Wahyu; Asmara, Rosa Andrie; Raja, Roesman Ridwan

Abstract

Identification and classification of species are crucial for maintaining genetic diversity and supporting sustainable agricultural practices. The Toraja Buffalo, a unique type of buffalo in Indonesia, holds high cultural and economic value. Accurate classification of this species is essential to preserving genetic resources and improving breeding programs. Previous studies using single classification methods have shown limitations in complex cases, such as the Toraja Buffalo, which has numerous physiological characteristics, including body size, head, horns, tail, and eyes. The purpose of this study is to evaluate and compare the performance of single-classification and multi-category methods for identifying Toraja Buffalo. Several algorithms, including K-Nearest Neighbors (K-NN), Random Forest, Support Vector Machine (SVM), and Naive Bayes, were tested using Local Binary Pattern (LBP) for feature extraction. Decision Tree and others were observed, showing 85.83% accuracy in single-input, while multi-input accuracy reached 92.08%. The multi-input approach consistently improved performance across all algorithms. Multi-input classifiers significantly outperformed single-feature methods, with Random Forest being the most efficient algorithm. Future research could incorporate additional variables, such as skin color or genetic profiles, to further enhance accuracy.

Related SDGs

Authors

Rusman, Muh; Satra, Ramdan; Azis, Huzain, Universitas Muslim Indonesia

Abstract

The use of the Telegram application as a communication medium allows the exchange of image files that have the potential to become digital evidence, but in some cases the perpetrator deletes the files to eliminate digital traces. This study aims to analyze and prove the ability of the digital forensic process in finding and recovering deleted JPG image files on the Android-based Telegram application so that they can be used as valid digital evidence. The research method refers to the NIST SP 800-86 standard which includes the stages of collection, examination, analysis, and reporting, with the data acquisition process using the logical acquisition method through the Android Debug Bridge (ADB) without root access as well as analysis using FTK Imager and verification of data integrity through SHA-256 hash values. The results of the study show that JPG image files that have been deleted from the Telegram application can still be found and recovered from the internal storage media of Android devices in intact condition, have relevant metadata, and consistent hash values, so they are declared valid as digital evidence

Related SDGs

Authors

Azis, Huzain; Ahmad, Randika Sakha Ramadani Putra; Syahriawan, Irawati, Universitas Muslim Indonesia

Abstract

This study presents the implementation of an AI agent chatbot to support journal information services on the Open Journal Systems (OJS) platform and the Telegram messaging application using a dynamic knowledge base sourced from Google Drive. The chatbot provides automated responses to user inquiries related to journal scope, publication fees, submission procedures, and review timelines, while allowing journal administrators to update information content without modifying the system. Functional testing results indicate that the chatbot delivers accurate and consistent information with acceptable response times across both platforms. The implementation demonstrates that integrating an AI agent chatbot with a dynamic knowledge base can enhance information accessibility, reduce administrative workload, and improve service efficiency in academic journal management

Related SDGs

Authors

Maharani.S, Putri; Satra, Ramdan, Universitas Muslim Indonesia; Azis, Huzain, Universiti Kuala Lumpur

Abstract

Distributed Denial of Service (DDoS) attacks pose a serious risk to network reliability, particularly within Software-Defined Networking (SDN) architectures that rely on centralized control. This research analyzes the effectiveness of Gaussian Naïve Bayes (GNB) and Support Vector Machine (SVM) with a Radial Basis Function (RBF) kernel for identifying DDoS attacks using an SDN traffic dataset consisting of 104,345 flow records. Three different feature-handling strategies are explored: using the complete feature set without reduction, applying feature selection through SelectKBest, and performing dimensionality reduction with Principal Component Analysis (PCA). Model validation is carried out using Stratified K-Fold Cross-Validation with K values of 2, 5, and 10. Predictions obtained from each fold are merged into a single aggregated confusion matrix to compute evaluation metrics, including accuracy, precision, recall, and F1-score. Experimental results demonstrate that RBF-SVM without feature reduction delivers the highest detection performance, reaching an accuracy of up to 96.9%, while GNB provides lower accuracy but operates with greater computational efficiency. These findings indicate that an evaluation framework based on aggregated confusion matrices can provide more dependable performance estimates for DDoS detection systems deployed in SDN environments.

Related SDGs

Authors

Muflih, Ahmad; Irawati, Irawati; Syafie, Lukman, Universitas Muslim Indonesia

Abstract

Permasalahan utama dalam manajemen fasilitas olahraga di Kota Makassar, khususnya lapangan tenis, terletak pada penggunaan sistem reservasi konvensional yang memicu inefisiensi operasional dan ketidakpastian informasi ketersediaan bagi penyewa. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi manajemen penyewaan lapangan tenis berbasis web yang mengintegrasikan fitur real-time chat, yaitu mekanisme komunikasi digital yang memungkinkan pengiriman dan penerimaan pesan secara langsung tanpa jeda waktu yang signifikan sehingga pengguna dan pengelola dapat berinteraksi secara instan dalam satu platform. Metode pengembangan sistem yang digunakan adalah model Spiral, yaitu pendekatan pengembangan perangkat lunak yang bersifat iteratif dan berorientasi pada analisis risiko. Model ini menggabungkan pendekatan prototyping dan model sekuensial, di mana setiap siklus pengembangan melalui tahapan komunikasi pelanggan, perencanaan, analisis risiko, rekayasa, konstruksi, dan evaluasi untuk menghasilkan sistem yang lebih stabil dan sesuai kebutuhan penggunaan Hipotesis penelitian mengasumsikan bahwa implementasi sistem informasi yang terintegrasi dengan fitur komunikasi langsung dapat mereduksi kesalahan pencatatan jadwal dan meminimalisir konflik pemesanan (double booking) secara signifikan. Hasil penelitian menunjukkan bahwa sistem yang dibangun mampu mengotomatisasi aliran kerja manajemen, menyediakan transparansi ketersediaan lapangan secara presisi, serta memfasilitasi koordinasi responsif antara pengelola dan penyewa melalui protokol WebSocket. Kesimpulan dari penelitian ini menegaskan bahwa transformasi digital pada manajemen lapangan tenis di wilayah urban seperti Makassar memberikan dampak positif terhadap efektivitas administrasi dan kepuasan pengguna, sekaligus menyediakan dasar bagi pengembangan ekosistem olahraga yang lebih modern dan terorganisir

Related SDGs

Authors

Nasrudin, Alfian; Satra, Ramdan; Syafie, Lukman, Universitas Muslim Indonesia

Abstract

Penelitian ini membahas perbandingan kinerja protokol routing Open Shortest Path First (OSPF) dan Routing Information Protocol (RIP) pada jaringan berbasis MikroTik yang dibangun menggunakan GNS3. Latar belakang penelitian ini didasari oleh kebutuhan pemilihan protokol routing yang tepat untuk meningkatkan efisiensi, stabilitas, dan kecepatan konvergensi jaringan, terutama pada lingkungan dengan topologi dinamis. Tujuan penelitian adalah untuk mengidentifikasi perbedaan kinerja kedua protokol berdasarkan empat parameter utama, yaitu delay (waktu tunda), packet loss, Throughput, dan convergence time. Metode penelitian meliputi perancangan topologi jaringan menggunakan dua router MikroTik dan tiga klien, konfigurasi OSPF dan RIP, serta pengujian performa dengan skenario lalu lintas data yang sama. Hasil pengujian menunjukkan bahwa OSPF memiliki kinerja yang lebih baik pada seluruh parameter dibandingkan RIP. Rata-rata delay OSPF lebih rendah, packet loss mencapai 0% di semua skenario, Throughput lebih tinggi, serta waktu konvergensi lebih cepat (6–7 detik) dibandingkan RIP yang memerlukan 18–21 detik. Berdasarkan hasil tersebut, dapat disimpulkan bahwa OSPF lebih cocok digunakan pada jaringan dengan kebutuhan jalur optimal dan konvergensi cepat, sedangkan RIP dapat digunakan pada jaringan kecil yang bersifat statis dengan sedikit perubahan topologi

Related SDGs

Authors

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

Authors

Sumaja, Muh. Askan Tri Anugrah; Anraeni, Siska; Asis, Muhammad Arfah, Universitas Muslim Indonesia

Abstract

Perkembangan teknologi informasi mendorong pemanfaatan sistem berbasis web untuk meningkatkan efektivitas dalam pengelolaan tugas, baik di lingkungan kerja maupun akademik. Permasalahan umum dalam manajemen tugas meliputi kurangnya struktur, keterlambatan penyelesaian, dan rendahnya motivasi pengguna. Penelitian ini bertujuan untuk merancang Sistem Manajemen Tugas Berbasis Web dengan fitur gamifikasi untuk mendukung penugasan dan pemantauan progres secara terintegrasi. Metode yang digunakan dalam penelitan ini adalah System Development Life Cycle (SDLC) dengan model Waterfall yang terdiri dari beberapa tahapan, yaitu analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dirancang dengan menggunakan pemodelan Unified Modeling Language (UML) serta didukung oleh basis data yang mengakomodasikan fitur pengelolaan tugas dan mekanisme gamifikasi seperti poin, level, badge, bonus ketepatan waktu, serta pengukuran konsistensi harian (streak). Hasil perancangan menunjukkan bahwa system bisa membantu pengelolaan tugas secara digital dan menampilkan progress pengguna secara lebih terstruktur melalui penerapan Gamifikasi. Dengan adanya mekanisme evaluasi berdasarkan prioritas tugas, ketepatan waktu, dan konsistensi penyelesaian, rancangan sistem diharapkan dapat mendukung peningkatan motivasi dan kesiplinan pengguna dalam menyelesaikan tugas

Related SDGs

Authors

Asis, Muhammad Arfah; Kurniati, Nia; Jufda, Muhammad Alfarid, Universitas Muslim Indonesia, Indonesia

Abstract

The advancement of information technology has increased the use of web scraping for scientific data collection, including from the SINTA (Science and Technology Index) platform, which provides researcher profiles, affiliations, publications, and citation data. However, scraping SINTA poses challenges, particularly when multiple authors share identical scores that trigger changes in display order. This instability can lead to duplicated or missing entries when using a single-pass scraping approach. This study evaluates the accuracy and completeness of SINTA author data collection by implementing repeated scraping as a strategy to handle dynamic data ordering. Experiments were conducted on the Universitas Muslim Indonesia (UMI) affiliation, targeting 915 active authors. The methodology involved page-structure analysis, spider development using Python and Scrapy, sequential scraping through pagination, and validation of data completeness and uniqueness. A three-second delay between requests was applied to maintain responsible scraping practices. The results show that a single scraping attempt failed to retrieve all authors, capturing an average of only 877.2 authors (95.86%). Due to unstable ordering, repeated iterations were required. Through 4–8 scraping cycles per trial, all 915 authors were successfully collected without duplication. These findings indicate that for platforms with dynamic data structures such as SINTA, repeated scraping provides a more reliable method for ensuring data completeness and accuracy, supporting the development of stable and responsible publication-data automation systems.

Related SDGs

Authors

Utami, Amalia Putri; Indra, Dolly; Umar Fitriyani,. Universitas Muslim Indoensia;

Abstract

Identifikasi daun herbal secara manual sering mengalami kendala akibat kemiripan visual antarspesies yang berpotensi menimbulkan kesalahan pemanfaatan. Penelitian ini bertujuan mengklasifikasikan sepuluh jenis daun herbal menggunakan kombinasi fitur tekstur Local Binary Pattern (LBP) dan fitur bentuk, yaitu aspect ratio, eccentricity, circularity, dan convexity. Dataset terdiri dari 500 citra yang dibagi menjadi 400 data latih dan 100 data uji dengan rasio 80: 20. Tahap pre-processing meliputi resize, konversi ke grayscale, dan Gaussian Blur untuk mengurangi noise. Segmentasi dilakukan menggunakan Otsu thresholding untuk memperoleh objek daun dan Canny Edge Detection untuk menonjolkan struktur tekstur. Proses klasifikasi menerapkan algoritma Random Forest dengan pengujian beberapa kombinasi parameter guna memperoleh model optimal. Hasil terbaik diperoleh pada model dengan n_estimators= 200, max_features= 2, max_depth= none, dan min_samples_leaf= 2, yang menghasilkan akurasi 92%, precision 92%, recall 92%, dan F1-score 92%.

Related SDGs

Authors

Hayati, Lilis Nur; Indra Dolly, Universitas Muslim Indonesia; Handayani, Anik Nur; Irianti, Wahyu Sakti Gunawan, Universitas Negeri Malang; Damanhuri Nor Salwa, Universiti Teknologi MARA (UiTM);

Abstract

Indonesian Sign Language (Bahasa Isyarat Indonesia/BISINDO) enables communication for deaf individuals through hand gestures, yet limited public awareness creates significant barriers between deaf and hearing communities. Existing recognition systems often fail to generalize across diverse skin tones, reducing their effectiveness in inclusive real-world deployment. The contribution of this research is a BISINDO alphabet recognition system that integrates skin color features - extracted via HSV-based skin segmentation - as an additional preprocessing layer within the Faster R-CNN framework, explicitly improving detection robustness across varied skin tones. The dataset consists of 8,000 images from ten adult actors representing light, medium-brown, and dark skin tones, augmented through flipping and brightness variation, with a 90:10 training-to-testing ratio. The model was trained over 15,000 steps with a batch size of 24, selected through empirical validation to balance convergence stability and dataset size. Experimental results show that indoor conditions outperform outdoor settings due to controlled lighting. Light-skinned and dark-skinned participants achieved the highest accuracy of 87.5% and F1-score of 85.71%, while medium-brown-skinned participants showed slightly lower performance, likely attributed to greater variability in reflectance under mixed lighting. The system achieves 24 frames per second, demonstrating potential for real-time communication support. These findings confirm that Faster R-CNN with skin color feature integration is effective for BISINDO alphabet recognition, with skin tone diversity being a critical performance factor. Future work will explore larger participant pools and dynamic gesture recognition under varied real-world lighting scenarios.

Related SDGs