Research Publications

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

Authors

Wulandari, Lusi Mei Cahya; Nurhayati, Lilis; Dimas, Ravael, Universitas Katolik Darma Cendika, Surabaya, Indonesia

Abstract

Pengukuran kinerja yang efektif merupakan elemen penting dalam memastikan keberhasilan implementasi strategi organisasi. Penelitian ini mengintegrasikan kerangka Balanced Scorecard (BSC) dengan Analytic Network Process (ANP) untuk mengevaluasi kinerja penyedia jasa logistik secara komprehensif. Metode ini dirancang untuk mengatasi keterbatasan BSC tradisional dengan memperhitungkan hubungan timbal balik dan saling ketergantungan antar indikator kinerja. Proses analisis melibatkan penentuan bobot prioritas menggunakan perbandingan berpasangan (pairwise comparison), yang dilakukan melalui perangkat lunak ANP. Hasil penelitian menunjukkan bahwa indikator "Karyawan Dedikatif" memiliki pengaruh terbesar terhadap kinerja organisasi, diikuti oleh "Pertumbuhan Penjualan" dan "Efisiensi Biaya Operasional". Sementara itu, indikator "Kapabilitas Transportasi" dan "Kualitas Produk/Servis" berada pada prioritas terendah. Temuan ini menekankan pentingnya memperkuat aspek sumber daya manusia dan efisiensi finansial untuk meningkatkan daya saing penyedia jasa logistik. Penelitian ini memberikan kontribusi dalam mengembangkan pendekatan holistik untuk pengukuran kinerja strategis, sekaligus menawarkan kerangka kerja yang aplikatif bagi manajer dalam merancang strategi organisasi berbasis data. Selain itu, integrasi BSC dan ANP terbukti efektif dalam menangkap dinamika hubungan kompleks antar elemen strategis, sehingga menghasilkan wawasan yang lebih mendalam untuk pengambilan keputusan.

Related SDGs

Authors

Nurhayati, Lilis, Student Civil Engineering Doctoral Program; Dewi, Sri Murni, Doctor of Civil Engineering, Professor,Universitas Brawijaya MT. Haryonostr., 167, Malang East Java, Indonesia, 65145; Murti, Wisnu; Nuralinah, Devi, Doctor of Civil Engineering, Universitas Brawijaya MT. Haryonostr., 167, Malang East Java, Indonesia, 65145

Abstract

This paper presents the study of the mechanical performance of finger jointed laminated timber beams, unreinforced and reinforced with Carbon Fiber Reinforced Polymer, made from waste Merbau wood as an alternative to conventional structural materials. The present study focuses on the ultimate load capacity, modulus of elasticity, modulus of rupture, and load-deflection behavior of laminated beams with face butt and face finger joint orientations against solid beams. Tests were conducted by the four-point bending method according to ASTM D198-02. The results indicated that solid beams had the highest load bearing capacity compared to finger-jointed laminated beams. CFRP reinforcement increased the load capacity by 7.15% for face butt orientation and 38.58% for face finger orientation. CFRP reinforced face finger joints showed a significant increase in modulus of elasticity (MOE) and modulus of rupture (MOR) compared to face butt joints, indicating the effectiveness of CFRP reinforcement in certain orientations. Load-deflection analysis shows that CFRP-reinforced beams exhibit better ductility than unreinforced beams, with peak deflection increasing by 27.2% for face-butt and 26.0% for face-finger. Results confirm that CFRP reinforcement can enhance finger-jointed laminated beams; however, despite these improvements, the reinforced laminated beams still do not reach the strength level of solid beams, with the maximum load capacity and bending moment being approximately 31% of the solid beam values. This study offers insights into the development of robust, efficient, and sustainable wood-based building materials. Furthermore, the findings indicate that finger-jointed laminated wood, produced from waste cuttings from the wood processing industry, possesses the potential to be developed into structural building materials, thereby enhancing the value of wood waste

Related SDGs

Authors

Sombeng, Andi Ranreng; As’ad, Ihwana; Darwis, Herdianti, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Perkembangan teknologi informasi yang pesat telah menjadikan laptop sebagai kebutuhan penting, terutama bagi mahasiswa dan profesional di bidang teknologi. Banyaknya pilihan laptop dengan berbagai merek dan spesifikasi di pasaran menyebabkan konsumen kesulitan dalam memilih perangkat yang sesuai kebutuhan dan anggaran. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan Sistem Pendukung Keputusan (SPK) menggunakan metode Simple Additive Weighting (SAW) untuk membantu dalam pemilihan laptop yang optimal. Metode SAW dipilih karena mampu memberikan perhitungan nilai alternatif berdasarkan bobot dan skor dari beberapa kriteria seperti harga, prosesor, layar, vga, memori, dan hardisk. Sistem yang dibangun memungkinkan pengguna untuk menentukan preferensi terhadap setiap kriteria, kemudian sistem akan melakukan normalisasi dan perankingan untuk memberikan rekomendasi laptop terbaik. Hasil pengujian menunjukkan bahwa sistem ini dapat meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan. Dengan demikian, SPK berbasis SAW ini bermanfaat sebagai alat bantu seleksi laptop yang informatif, akurat, dan mudah digunakan

Related SDGs

Authors

As’ad; Ihwana, Faradibah; Amaliah

Abstract

Penelitian ini mengkaji penerapan algoritma Naïve Bayes dalam mengklasifikasikan beban kerja pegawai di Badan Kepegawaian Kabupaten Barru guna meningkatkan efektivitas manajemen sumber daya manusia berbasis data. Tantangan utama dalam pengelolaan pegawai meliputi ketidakseimbangan distribusi tugas, kurangnya transparansi penilaian, serta keterbatasan metode konvensional, yang dapat diatasi melalui analisis data historis dengan pendekatan probabilistik. Algoritma Naïve Bayes digunakan untuk mengelompokkan beban kerja pegawai berdasarkan parameter jumlah jam kerja, kompleksitas tugas, dan pencapaian target, yang menghasilkan distribusi beban kerja rendah (55,7%), sedang (31,4%), dan tinggi (12,8%). Model ini menunjukkan akurasi tinggi dalam klasifikasi dan mampu mengidentifikasi pegawai dengan kelebihan atau kekurangan beban kerja secara objektif. Studi kasus pada PT. Rikasa Dinar Djaya juga membuktikan keandalan metode ini dalam mengevaluasi kinerja karyawan dengan akurasi 99,44%. Hasil penelitian ini diharapkan dapat meningkatkan transparansi dan keadilan dalam evaluasi kinerja pegawai, meminimalkan bias subjektif, serta menjadi referensi bagi instansi pemerintah lainnya dalam mengadopsi teknologi machine learning untuk pengelolaan SDM yang lebih modern, efisien, dan berkelanjutan

Related SDGs

Authors

As’ad, Ihwana, Universitas Muslim Indonesia; Martriwati, UHAMKA; Nugraha, Satriya, Universitas Palangkaraya; Muljo, Ariyani, IAIN Langsa; Sari, Ika Purnama, STIKOM Tunas Bangsa; Dhania, Hanrezi, Universitas Djuanda; Mose, Yuliana, Universitas Trinita; Setiawan, Zunan, Universitas Ahmad Dahlan; Jasiah, IAIN Palangkaraya; Kushayati, Nuris, Akper Dian Husada Mojokerto

Abstract

Tempeh, a traditional Indonesian fermented soybean product, is highly nutritious but under-consumed by children due to its bland appearance and unfamiliar texture. This community service program aimed to enhance elementary school students’ interest in consuming tempeh through a participatory training that introduced character molds into the tempeh-making process. Conducted with 20 students aged 9–11 years, the intervention employed a pretest-posttest design to assess changes in tempeh preferences, knowledge, and willingness to consume and prepare tempeh. Results indicated significant improvements across all indicators: students’ liking of tempeh increased from 35% to 85%, their perception of its visual appeal rose from 25% to 90%, and willingness to try character-shaped tempeh reached 95%. The program not only improved students’ understanding of tempeh’s nutritional benefits but also engaged them in creative, hands-on food preparation that enhanced motivation and enjoyment. The findings support the use of experiential learning and visual food design in child nutrition education. This initiative effectively combined cultural food preservation with innovative teaching strategies. It demonstrates that integrating fun and creativity into traditional food education can promote healthier eating habits and strengthen local food identity among young learners. Future programs should consider scaling up and incorporating family and school-level involvement to achieve a broader and more sustainable impact.

Related SDGs

Authors

Triyanto, T.; Nur Kholifah, Yogyakarta State University, Yogyakarta, Indonesia; Tita Rosalina, Politeknik Negeri Sambas, West Kalimantan, Indonesia; Ihwana As’ad, Universitas Muslim Indonesia, South Sulawesi, Indonesia; Widiya Avianti, Universitas Winaya Mukti, West Java, Indonesia; Muhammad Nurtanto, Universitas Negeri Jakarta, Jakarta, Indonesia; Rossi Evita, Politeknik Negeri Sambas, West Kalimantan, Indonesia; Mustofa Abi Hamid, Universitas Sultan Ageng Tirtayasa, Banten, Indonesia ; Ayu Intan Sari, Universitas Sebelas Maret, Central Java, Indonesia; Farid Mutohhari, Universitas Sarjanawiyata Tamansiswa, Yogyakarta, Indonesia

Abstract

Dissatisfaction among consumers due to limitations in batik product marketing within MSMEs has been identified as a critical issue. To address this, an innovative approach to batik shopping was developed through the Augmented Reality (AR-SaBa) mobile application. Concerns related to product quality, brand image, and trust—particularly when products fail to meet consumer expectations—were targeted. The objective of the study was the design of an Augmented Reality application utilizing marker detection via Unity 3D on the Android platform. This application was designed to enhance online product listings, enabling consumers to explore batik products in greater detail prior to purchase. Consumers are provided with the ability to view batik garments on a 3D model tailored to selected motifs and designs. The effectiveness of this solution was demonstrated, with the application performing successfully across various mobile devices. Validation of the AR-SaBa application, conducted by 18 evaluators including AR developers, fashion lecturers, batik MSME owners, and loyal consumers, revealed performance ratings ranging from 4.00 to 4.61 across criteria such as performance, usefulness, learnability, accuracy, suitability, engagement, novelty, relevance, feedback, and flexibility and control. An overall acceptance rating of 88.22% was achieved, placing the AR-SaBa application in the high-acceptance category.

Related SDGs

Authors

As’ad, Ihwana, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Through process improvement, growth acceleration, and business landscape transformation, artificial intelligence (AI) has transformed online businesses and accelerated digital transformation. The purpose of this study is to presents a conceptual overview of artificial intelligence (AI) in E-commerce. Potential research themes, explored through content analysis and visualization techniques, offer deeper understanding of the knowledge landscape in this field. This study utilized VOSviewer and R-bibliometrix to conduct data analysis and network visualization the scientific output of 811 research articles form Scopus, WoS and PubMed database from 2000 to 2024, including the number of publications, countries, journal, citations, authors, and keywords. The results of this research show that China and USA emerges as the country with the significant contributions to the development of research related to artificial intelligence in e-commerce, which is dominated by affiliations from Zhejiang University. In the analysis of the relationship between topics, two clusters were obtained, the most dominant topics with keyword “human†and “neural networkâ€. Neural networks are included in AI algorithms that has characteristics similar to the human brain and have the ability to operate more efficiently and profitably in e-commerce. Researchers will gain important insights into the current landscape, as well as collaborative frameworks to suggest directions for future research.

Related SDGs

Authors

As’ad; Ihwana

Abstract

Proses manual pada pemipihan serat alam enceng gondok menjadi dekorasi rumah tangga menyulitkan pekerja dan menurunkan produktivitas. Alternatif urgent yang segera dilakukan adalah pengembangan dan penerapan teknologi mesin pemipih modern untuk mempercepat pekerjaan dan meningkatkan volume produksi yang berkualitas. Tujuan dari kegiatan pengabdian masyarakat (PkM) ini adalah merancang mesin pemipih modern untuk serat enceng gondok dan memberikan pelatihan serta pendampingan kepada pekerja di Maeswara Keranjang Basket (MKB). Kegiatan ini menggunakan pendekatan Participatory Action Research (PAR) melalui tahap penetapan tujuan, perencanaan, pelaksanaan, dan evaluasi. Metode yang digunakan meliputi diskusi, observasi, praktik langsung, dan focus group discussions (FGD). Aspek keberhasilan utama dalam merancang teknologi modern melibatkan tinjauan pustaka, studi pendahuluan, desain dan validasi, uji fungsional dan kinerja, pelatihan dan pendampingan, serta pemantauan penggunaan teknologi modern. Penerimaan mesin pemipih serat modern melalui pelatihan mencapai lebih dari 0,70 GSN, dengan kesiapan operasional yang dinilai antara 3,75 hingga 3,90 (pada skala 4,0). Pekerja mengonfirmasi bahwa teknologi modern tersebut secara signifikan meningkatkan kecepatan, presisi, dan kualitas pemrosesan serat, mempercepat proses produksi produk secara keseluruhan. Inovasi teknologi ini menjadi alternatif yang layak bagi industri kecil dan menengah (IKM) yang fokus pada produksi serat alami, khususnya enceng gondok.

Related SDGs

Authors

Haris, Najwan Firdaus, Information System, Universitas Muslim Indonesia, Makassar, Indonesia; As’ad; Ihwana, Widyawati; Dewi, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

The Faculty of Computer Science (FIKOM) at Universitas Muslim Indonesia (UMI) faces significant challenges in enhancing the quality of thesis supervision due to an increasing student population. This study utilizes the Management by Objectives (MBO) approach to evaluate and improve faculty supervision quality. MBO involves setting clear goals, monitoring progress, providing feedback, and evaluating performance based on Key Performance Indicators (KPIs), Customer Satisfaction Scores (CSAT), and Customer Effort Scores (CES). Data was gathered from questionnaires distributed to 211 FIKOM students currently writing or who have completed their theses. The findings reveal that MBO implementation significantly enhances communication between faculty and students, clarifies supervision goals, and boosts student satisfaction. The structured and directed approach of MBO makes the supervision process more efficient, leading to higher quality thesis completions. Additionally, the research underscores the importance of aligning supervision schedules and methods to better fit both faculty and student needs, thus mitigating issues related to faculty workload and student guidance. The study concludes that adopting MBO in thesis supervision processes can substantially improve both the effectiveness and satisfaction of academic guidance at FIKOM UMI.

Related SDGs

Authors

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

Abstract

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

Related SDGs