Research Publications

Authors

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

Authors

Hayati, Lilis Nur; Indra, Dolly; Djamereng, Asdar; Suat, Wahyu Kadri Rahmat; Scania, Muhammad Rifky Saputra; Scania, Dewi Ernita, Universitas Muslim Indonesia

Abstract

This community engagement program aims to empower the "Kana Tojeng" craftswomen group in Bontokassi Village, Galesong Selatan District, Takalar Regency, through training in e-commerce-based marketing of woven products made from lontara fiber. The primary issues faced by the partners include limited understanding of digital marketing, lack of an established online business identity, and underutilization of e-commerce platforms. The method applied was an educational-participatory approach, consisting of observation, awareness sessions, hands-on training, and evaluation. The results show a significant improvement in participants' knowledge and skills, with pre-test scores at 50.30% and post-test scores reaching 86.19%. The program also resulted in the activation of e-commerce accounts and enhanced digital marketing capabilities among local artisans. Supporting factors included high participant enthusiasm and contextual learning materials, while limitations in digital infrastructure emerged as the main challenge. This initiative demonstrates that integrating information technology into local business management is an effective strategy for enhancing the competitiveness of culturally rooted products.

Related SDGs

Authors

Mandasari, Juita; Indra, Dolly; Gafar, Andi Widya Mufila, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Tanaman seledri merupakan komoditas hortikultura bernilai tinggi yang membutuhkan kelembapan tanah ideal antara 65%–75% untuk pertumbuhan optimal. Namun, proses penyiraman secara manual sering kali tidak konsisten dan bergantung pada kehadiran petani. Pemantauan kondisi tanah merupakan hal yang penting dalam melakukan penyiraman tanaman dengan kadar air yang sesuai. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem penyiraman otomatis berbasis Arduino Uno dan komunikasi LoRa untuk budidaya seledri skala kecil. Sistem ini memanfaatkan sensor soil moisture untuk mendeteksi tingkat kelembapan tanah, kemudian mengaktifkan pompa air secara otomatis melalui relay jika kelembapan berada di bawah ambang batas. Modul LoRa digunakan sebagai media komunikasi jarak jauh antara unit transmitter dan receiver, sementara LCD 16x2 menampilkan data kelembapan dan status pompa secara real-time. Sistem ini dirancang untuk melakukan penyiraman otomatis dan komunikasi LoRa yang dapat memantau kondisi tanah dan melakukan penyiraman secara mandiri sesuai dengan kebutuhan tanaman. Hasil pengujian simulator menunjukkan bahwa seluruh komponen bekerja dengan baik

Related SDGs

Authors

Hayati; Lilis Nur, Department of Electrical Engineering and Informatics, Universitas Negeri Malang, Malang, Indonesia; Department of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Handayani, Anik Nur; Irianto, Wahyu Sakti Gunawan, Department of Electrical Engineering and Informatics, Universitas Negeri Malang, Malang, Indonesia; Asmara, Rosa Andrie, Information Technology Department, Politeknik Negeri Malang, Malang, Indonesia; Indra, Dolly, Department of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Damanhuri, Nor Salwa, Electrical Engineering Studies, Universiti Teknologi MARA (UiTM),Cawangan Pulau Pinang, Malaysia

Abstract

Sign language recognition plays a critical role in promoting inclusive education, particularly for deaf children in Indonesia. However, many existing systems struggle with real-time performance and sensitivity to lighting variations, limiting their applicability in real-world settings. This study addresses these issues by optimizing a BISINDO (Bahasa Isyarat Indonesia) alphabet recognition system using the SSD MobileNetV2 architecture, enhanced with gamma correction as a luminance normalization technique. The research contribution is the integration of gamma correction preprocessing with SSD MobileNetV2, tailored for BISINDO and implemented on a low-cost assistive robot platform. This approach aims to improve robustness under diverse lighting conditions while maintaining real-time capability without the use of specialized sensors or wearables. The proposed method involves data collection, image augmentation, gamma correction (γ = 1.2, 1.5, and 2.0), and training using the SSD MobileNetV2 FPNLite 320x320 model. The dataset consists of 1,820 original images expanded to 5,096 via augmentation, with 26 BISINDO alphabet classes. The system was evaluated under indoor and outdoor conditions. Experimental results showed significant improvements with gamma correction. Indoor accuracy increased from 94.47% to 97.33%, precision from 91.30% to 95.23%, and recall from 97.87% to 99.57%. Outdoor accuracy improved from 93.80% to 97.30%, with precision rising from 90.33% to 94.73%, and recall reaching 100%. In conclusion, the proposed system offers a reliable, real-time solution for BISINDO recognition in low-resource educational environments. Future work includes the recognition of two-handed gestures and integration with natural language processing for enhanced contextual understanding.

Related SDGs

Authors

Hasril, Muh. Fadhil Attariq; Purnawansyah; Ilmuwan, Lutfi Budiman, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan teknologi perbankan digital mendorong Bank Sulselbar menghadirkan layanan mobile banking melalui aplikasi Sulselbar Mobile. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan pengguna aplikasi tersebut di Google Play Store menggunakan algoritma K-Nearest Neighbors (KNN). Sebanyak 1000 data ulasan dikumpulkan dengan teknik web scraping, kemudian dilakukan pelabelan manual dan serangkaian proses preprocessing seperti case folding, normalisasi, stemming, stopword removal, dan tokenizing. Data kemudian dikonversi menjadi bentuk numerik menggunakan metode TF-IDF. Model KNN dikembangkan dengan nilai k = 3 dan divalidasi menggunakan 5-fold cross-validation. Hasil evaluasi menunjukkan model memiliki performa yang baik dan konsisten, dengan rata-rata akurasi 85,6%, presisi 85,4%, recall 85,6%, dan F1-score 85,5%. Fold terbaik mencapai akurasi 90% dan F1-score 89,8%. Hasil ini menunjukkan bahwa kombinasi TF-IDF dan algoritma KNN efektif dalam melakukan klasifikasi sentimen berbasis teks. Temuan ini dapat dimanfaatkan untuk mengevaluasi kualitas layanan aplikasi serta mendukung pengambilan keputusan dalam pengembangan layanan digital perbankan

Related SDGs

Authors

Iswaniah, Muhammad Arfah; Purnawansyah; Mansyur, St. Hajrah, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penyakit asam lambung atau dispepsia merupakan gangguan pencernaan yang umum terjadi dan sering dikeluhkan oleh pasien di RS Pelamonia Kota Makassar. Proses diagnosis penyakit ini secara manual memerlukan waktu yang lama dan rentan terhadap kesalahan akibat keterbatasan sumber daya medis. Penelitian ini bertujuan untuk mengembangkan sistem pakar berbasis web guna membantu proses diagnosis awal penyakit asam lambung menggunakan metode Certainty Factor (CF). Metode CF digunakan untuk menghitung tingkat keyakinan berdasarkan gejala yang dialami oleh pasien, sedangkan proses penalaran dalam sistem menerapkan teknik forward chaining. Sistem dikembangkan menggunakan bahasa pemrograman web dan basis data MySQL, serta mengikuti pendekatan pengembangan perangkat lunak Extreme Programming (XP) agar dapat beradaptasi terhadap perubahan dan kebutuhan sistem. Data diperoleh melalui wawancara dengan dokter spesialis, observasi langsung, dan studi pustaka. Pengujian sistem dilakukan dengan metode black box testing untuk memastikan setiap fungsi berjalan sesuai harapan. Hasil dari penelitian ini adalah sistem pakar diagnosis penyakit asam lambung yang dapat diakses oleh masyarakat secara daring, memberikan informasi awal tentang kondisi kesehatan, serta mendukung efisiensi pelayanan medis di RS Pelamonia

Related SDGs

Authors

Herman; Akbar, Muhammad; Hayati, Lilis Nur, Information System, Faculty Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia; Nasir, Haidawati, Information Technology, MIIT, University Kuala Lumpur, Kuala Lumpur, Malaysia; Herdianti; Azis, Huzain, Informatic, Faculty Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

The complexity of the motifs and large number of different patterns make the classification of Toraja carvings challenging. The objective of this study is to develop a Convolutional Neural Network automatic classification model using a comparative analysis of the performance of three ResNet architectures. Data augmentation techniques were used to enrich the diversity of the training samples and improve the robustness of the model. The experimental results showed that ResNet101V2 had the highest validation accuracy, which was greater than 97%, followed by ResNet50V2 with more than 96%, and finally, ResNet152V2 with more than 94.74%. These test results indicate that the ResNet101V2 architecture has a better classification performance for complex motifs, with a good balance between precision and recall. However, the confusion matrix and per-class performance metrics indicated that motifs with high similarity, such as Paqdon-Bolu and Paqtedong, remained challenging. This study demonstrated that deeper CNN architectures and data augmentation techniques are effective in improving the classification accuracy of complex carving patterns. Further research should explore hybrid or advanced augmentation methods to improve the overall robustness and accuracy of the model.

Related SDGs

Authors

Hayati, Lilis Nur; Setiadi, Y.A. Widriyakara; Pijoh, Fidelchristo; Renwarin, Maria Risky Pratiwi

Abstract

The necessity of adequate housing constitutes a fundamental human need. CV Senjaya Makmur, a housing developer in Sidoarjo, faces the challenge of meeting the housing preferences of the millennial generation. The objective of this study is to ascertain the technical attributes required by millennial consumers to inform the design of residential houses. To this end, the Quality Function Deployment (QFD) method will be employed as a framework. The results of the study indicated that the factors considered by millennials include facade color, simple and trendy home design, construction cost, breathing house concept, distance to public facilities, long-term use, efficiency, and flexibility. The highest priorities are the cost of home maintenance (8.513%), the application of easy-care materials (8.494%), and cheap good quality finishing materials (8.329%). Other salient characteristics include optimal furniture arrangement (5.737%), integration of multifunctional spaces (5.508%), and the notion of multi-storey micro-houses (5.453%). These findings offer insights that can inform the design of residential properties to align with the needs and preferences of the millennial generation.

Related SDGs

Authors

Rahbiah, Sitti; Hayati, Lilis Nur; Djamereng, Asdar; Mubarak, Mush'ab Al; Paraswati, Andi Citra; Vikria, Vikria, Universitas Muslim Indonesia,Jl. Urip Sumiharjo KM.5, Makassar, 90231

Abstract

Kegiatan pengabdian bertujuan untuk meningkatkan pemahaman dan peran strategis anggota PKK Desa Benteng Gantarang sebagai agen perubahan melalui pemanfaatan daun kelor dan ketumbar sebagai produk herbal bernilai ekonomi. Permasalahan utama yang dihadapi mitra adalah rendahnya pemahaman tentang manfaat tanaman herbal lokal serta keterbatasan keterampilan dalam pengolahan produk herbal bernilai jual. Sebagai solusi, tim pelaksana melaksanakan pelatihan berbasis penyadaran (awareness training) mengenai manfaat kesehatan dan ekonomi dari daun kelor dan ketumbar. Sebanyak 31 peserta mengikuti sesi pelatihan dan dievaluasi menggunakan instrumen pre-test dan post-test. Hasil evaluasi menunjukkan peningkatan pemahaman yang signifikan, dari nilai rata-rata pre-test sebesar 46,74% menjadi 84,17% pada post-test. Temuan ini menunjukkan bahwa pendekatan edukatif yang digunakan efektif dalam membangun kapasitas masyarakat dalam pemanfaatan sumber daya lokal. Keberhasilan program ini membuka peluang untuk pengembangan produk herbal berbasis komunitas yang dapat meningkatkan kesejahteraan keluarga dan ekonomi lokal secara berkelanjutan.

Related SDGs

Authors

Mustan, Nabila Putri Utami; Kurnia, Nia, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia; Hayati, Lilis Nur, Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Muslim Indonesia

Abstract

Lonjakan jumlah wisatawan domestik berdampak pada meningkatnya kebutuhan transportasi di Kota Makale. Kondisi ini turut mendorong berkembangnya layanan rental kendaraan, termasuk Rafi Motor, sebagai alternatif dalam memenuhi mobilitas wisatawan dan masyarakat lokal. Namun, sistem operasional di Rafi Motor masih dikelola secara manual sehingga menimbulkan kendala dalam pencatatan transaksi, pengelolaan kendaraan, dan pelayanan pelanggan. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi rental kendaraan berbasis website menggunakan metode Waterfall agar dapat meningkatkan efisiensi operasional. Metode penelitian dilakukan melalui observasi, wawancara, dan pengumpulan data terkait kebutuhan sistem, kemudian dilanjutkan dengan tahapan pengembangan perangkat lunak mulai dari analisis, desain, pengodean, hingga pengujian. Proses implementasi menggunakan bahasa pemrograman PHP dengan basis data MySQL. Sistem yang dihasilkan menyediakan fitur registrasi, pemesanan online, pengelolaan kendaraan, galeri gambar, jenis pembayaran, dan riwayat transaksi pelanggan. Pengujian dilakukan dengan metode black-box pada tahap alpha dan beta, serta evaluasi usability menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan 80,125% artinya sistem dapat berjalan sesuai kebutuhan pengguna, terbukti dari hasil pengujian yang menyatakan semua fitur berfungsi normal serta nilai usability berada pada kategori layak digunakan. Dengan demikian, sistem ini dapat mendukung digitalisasi usaha rental kendaraan, meningkatkan kecepatan layanan, serta meminimalkan risiko kesalahan operasional.

Related SDGs

Authors

Hayati, Lilis Nur; Indra, Dolly; Suat, Wahyu Kadri Rahmat; Scania, Muhammad Rifky Saputra; Rahma, Dewi Ernita, Fakultas Ilmu Komputer , Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Kegiatan pengabdian ini berhasil Meningkatkan Daya Saing Pengrajin Anyaman Lontara Kana Tojeng Melalui Edukasi Penggunaan Media Sosial di Desa Bontokassi di Desa Bontokassi. Berdasarkan hasil evaluasi menggunakan instrumen pre-test dan post-test yang terdiri dari 10 butir pertanyaan, dengan koresponden 20 anggota pengerajin Kana Tojeng terjadi peningkatan pemahaman yang signifikan. Skor rata-rata pre-test peserta berada pada angka 45,8%, sedangkan nilai post-test meningkat menjadi 75,5%, yang menunjukkan efektivitas pendekatan edukatif-partisipatif dalam mentransfer pengetahuan Penggunaan Media Sosial mitra. Memperlihatkan perbandingan yang jelas antara sebelum dan sesudah sosialisasi, yang turut memperkuat bukti pencapaian program. Di samping peningkatan kognitif, mitra juga menunjukkan perubahan Penggunaan Media Sosia untuk produk kerajinan. Secara umum, hasil kegiatan ini tidak hanya memperkuat daya saing produk lokal berbasis budaya, tetapi juga membuka peluang baru untuk ekspansi digital melalui e-commerce dan kolaborasi lebih luas di masa mendatang.

Related SDGs

Authors

Hayati, Lilis Nur; Dewantoro, Albertus Daru, Universitas Katolik Darma Cendika Jl. Dr. Ir. H. Soekarno No.201, Klampis Ngasem, Kec. Sukolilo, Surabaya, Jawa Timur, Indonesia

Abstract

Produktivitas peternakan ayam memiliki peran penting dalam pemenuhan kebutuhan protein hewani masyarakat. Namun, peternak sering menghadapi tantangan seperti penyakit ternak, fluktuasi harga pakan, dan biaya operasional yang tinggi. Penggunaan probiotik sebagai suplemen pakan telah terbukti dapat meningkatkan kesehatan dan produktivitas ayam dengan memperbaiki keseimbangan mikroba usus, meningkatkan efisiensi konversi pakan, serta memperkuat sistem imun. Kegiatan pengabdian ini bertujuan untuk menyelenggarakan pelatihan kepada peternak ayam di Desa Balongbendo Sidoarjo, mengenai pembuatan dan penerapan probiotik berbasis bahan lokal yang murah dan mudah didapatkan. Metode pelaksanaan meliputi sosialisasi, demonstrasi, praktik pembuatan probiotik, serta monitoring dan evaluasi penerapannya dalam budidaya ayam. Hasil kegiatan menunjukkan peningkatan pemahaman dan keterampilan peternak dalam membuat dan menggunakan probiotik, serta adanya dampak positif terhadap kesehatan dan pertumbuhan ayam. Pelatihan ini diharapkan dapat meningkatkan efisiensi produksi ternak ayam secara berkelanjutan serta mendukung ketahanan pangan dan kesejahteraan ekonomi masyarakat setempat.

Related SDGs

Authors

Darwis; Herdianti, Syahrir, Firdaus Abrazawaiz; Hayati; Lilis Nur, Universitas Muslim Indonesia, Jl. Urip Sumoharjo Km.5, Makassar, 90231, Indonesia

Abstract

Recommendation systems play a crucial role in helping users navigate the overwhelming volume of information on digital platforms. However, conventional Collaborative Filtering (CF) methods often suffer from data sparsity, leading to reduced prediction accuracy and limited recommendation diversity. To address this challenge, this study proposes a hybrid recommendation model that integrates K-Means clustering based on genre, release year, and rating statistics into the Neural Collaborative Filtering (NCF) framework. Unlike previous works that rely on a single dimension like genre or demographics for clustering, our model uniquely combines multiple content-based features. Furthermore, we explicitly integrate the cluster labels as additional embedding features within the NCF framework, enabling more nuanced and context-aware representation learning. Using the MovieLens Latest-Small dataset, our hybrid model significantly outperforms the baseline NCF across all metrics, achieving a Mean Absolute Error (MAE) of 0.6097, a Root Mean Square Error (RMSE) of 0.7946, and improvements in Precision@10 (0.6065) and Recall@10 (0.7063). These findings highlight the effectiveness of our novel, content-aware clustering approach in deep learning recommenders, resulting in more accurate, diverse, and contextually relevant movie suggestions.

Related SDGs

Authors

Albanjari, Ridho Anugrah; Hayati, Lilis Nur; Irawati, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Kasus kehilangan barang di ruang lingkup kampus universitas muslim Indonesia (UMI) tidak terselesaikan secara maksimal. Hal ini disebabkan kurangnya informasi dan keterbatasan sistem pengelolaan. Untuk menindak lanjuti permasalahan tersebut, penelitian ini bertujuan untuk merancang aplikasi mobile lost & found Fikom Kampus UMI berbasis User Centered Design (UCD) yang dapat meningkatkan keterlibatan dan efisiensi pengguna. Penelitian ini menggunakan pendekatan kualitatif dengan metode UCD yang mempunyai empat tahap yaitu: empati, definisi, ideasi, dan prototipe. Pada tahap empati, peneliti melakukan observasi dan wawancara kepada yang memiliki kepentingan untuk memahami kebutuhan dan permasalahan pengguna. Tahap definisi meniliti analasis data yang diperoleh untuk mengidentifikasi masalah utama dan membuat pesona pengguna. Tahap ideasi meneliti ide-ide Solusi untuk mengatasi masalah yang diidentifkasi. Pada tahap prototipe, peneliti merancang dan mengembangkan prototipe aplikasi mobile lost & Found Fikom Kampus UMI. Hasil penelitian ini menunjukkan bahwa aplikasi ini yang dirancang dengan metode UCD dapat meningkatkan keterlibatan dan efisiensi pengguna dalam melakukan proses pencarian, pelaporan, dan pengembalian barang hilang dan ditemukan. Aplikasi ini diharapkan dapat membantu meningkatkan rasa aman dan nyaman bagi mahasiswa di lingkungan kampus UMI

Related SDGs

Authors

Nasution, Rima Ananda; Hayati, Lilis Nur; Irawati, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Tomato productivity is often disrupted by diseases affecting tomato plants, such as early blight and late blight, which can significantly reduce crop yields. Early detection of these diseases is crucial to prevent greater losses. This study compares two machine learning-based classification methods, namely Random Forest and Naïve Bayes, in identifying diseases on tomato leaves. The dataset used consists of 1,255 images obtained from Kaggle, with the data divided into two classes: early blight with 627 images and late blight with 628 images, which then underwent preprocessing and data splitting with three ratio scenarios (70:30, 80:20, and 90:10) for training and testing. This study shows that it only achieved an accuracy of 76.98%, while the Random Forest method had the highest accuracy of 92.86% in the 90:10 data ratio scenario. Thus, the Random Forest method proves to be more effective in classifying tomato leaf diseases compared to Naïve Bayes. The implementation of this model can help farmers detect diseases more quickly and accurately, thereby increasing agricultural productivity.

Related SDGs

Authors

Nurhayati; Lilis

Abstract

Effective performance measurement is a crucial element in ensuring the successful implementation of organizational strategies. This study integrates the Balanced Scorecard (BSC) framework with the Analytic Network Process (ANP) to comprehensively evaluate the performance of logistics service providers. This method is designed to address the limitations of traditional BSC by considering the interrelationships and interdependencies among performance indicators. The analysis process involves determining priority weights using pairwise comparisons, conducted through ANP software. The results reveal that the "Dedicated Employees" indicator has the most significant impact on organizational performance, followed by "Sales Growth" and "Operational Cost Efficiency." Meanwhile, indicators such as "Transportation Capability" and "Product/Service Quality" rank the lowest in priority. These findings emphasize the importance of strengthening human resources and financial efficiency to enhance the competitiveness of logistics service providers. This study contributes to the development of a holistic approach to strategic performance measurement while offering a practical framework for managers to design datadriven organizational strategies. Moreover, the integration of BSC and ANP has proven effective in capturing the complex dynamics among strategic elements, providing deeper insights for decision-making. Keywords: Balanced Scorecard, Analytic Network Process, Performance Measurement, Logistics Service Providers, Organizational Strategy.

Related SDGs