Lutfi Budi Ilmawan

Full Author List

Ilmawan, Lutfi Budi, Universitas Muslim Indonesia

Abstract

At this time, Google Play Store is not providing API that can be used for accessing datas from applications on it's application store. With that plenty application's data, it could be used to make it a good research object, specially on data mining field. In this research, the system that is built is the system that can retrieve that applications' data. For multiplatform's purpose, web services are used for being an interface between client and server. Finally, the built system is working as expected. The system can retrive data from Google Play Store and it is suitable from requirements of data analysis stage. It can also integrated with REST web service to provide multiplatform access.

Related SDGs Targets

Full Author List

Purnawansyah; Ali, Zahrizhal; Darwis, Herdianti; Ilmawan, Lutfi Budi; Jabir, Sitti Rahmah; Manga, Abdul Rachman, Department of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Code Large Language Models (Code LLMs) such as Code LLaMa and StarCoder have exhibited outstanding proficiency in tasks required for specific tasks like code generation. Several conducted research to similar task by utilizing fine-tuning techniques from state-of-the-art base models for more specific related task. However, due to the cost limitations and limited computing resources, performing fine-tuning from large language models is excessively high. In this study, we utilized Low-Rank Adaptation (LoRA) for base large language models such as LLaMA-2 and Phi-1.5, which uses trainable rank decomposition matrices. Furthermore, we injected Quantized LoRA (QLoRA) to help reduce memory usage while training the model and analyzed the contribution to GPU usage. Notably, our findings reveal that employing these techniques for fine-tuning on small datasets yields cost-effective and viable alternatives for language-related tasks, showcasing competitive performance compared to state-of-the-art models like CodeLLaMa 7B substantiated by lower train loss achieved in our experiments.

Related SDGs Targets

Full Author List

Zaenal; Salim, Yulita; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Universitas Muslim Indonesia, Jalan Urip Sumoharjo Km.05, Makassar, 90231, Indonesia

Abstract

Facebook merupakan sosial media di Indonesia dengan jumlah akun aktif tertinggi dan paling sering dikunjungi, Media sosial menjadi sarana yang sangat mudah dan bebas untuk beropini, juga memiliki banyak manfaat seperti menuangkan pemikiran dengan membuat status yang didapat dibaca oleh seluruh pengguna media sosial maupun berkomentar mengenai isu-isu terkini, namun dibalik itu semua muncul masalah baru yaitu komentar negatif, salah satunya adalah cyberbullying yang memiliki dampak mendalam dan tahan lama pada korban. Beberapa penelitian melaporkan bahwa korban cyberbullying cenderung mengalami masalah kesehatan mental yang lebih luas, penyalahgunaan narkoba dan ide bunuh diri. Tujuan penelitian ini adalah mengolah data komentar yang diambil dari media sosial Facebook menggunakan pre-processing data untuk menghilangkan kata atau karakter yang tidak dibutuhkan, membangun aplikasi prototype filter komentar untuk menyaring komentar negatif cyberbullying, dan menguji metode klasifikasi Nae Bayes. Data komentar yang digunakan yaitu 300 data training, dan 100 data testing. Setelah melakukan penelitian, didapatkan bahwa dengan menggunakan pre-processing data mampu menghilangkan karakter atau kata yang tidak dibutuhkan dari komentar, Aplikasi prototype filter komentar yang dibangun telah mampu menyaring komentar cyberbullying, dan hasil pengujian metode klasifikasi Nae Bayes menggunakan metode confusion matrix dengan jumlah 100 komentar data testing didapatkan akurasi sebesar 86%, presisi sebesar 84,6153841538461%, recall sebesar 88%, dan f1-score sebesar 86,27450980392156%.

Related SDGs Targets

Full Author List

Alwi, Erick Irawadi; Ilmawan, Lutfi Budi; Universitas Muslim Indonesia, Indonesia

Abstract

Universitas Muslim Indonesia merupakan sebuah instansi di bidang pendidikan yang menggunakan jaringan internet sebagai salah satu penunjang sarana dan prasana untuk mengelola dan mengatur data informasi serta digunakan mahasiswa untuk mencari referens mengenai perkuliahan mereka. Universitas Muslim Indonesia memiliki 13 fakultas, dimana setiap fakultas menggunakan jaringa wireless LAN sebagai sarana untuk mahasiswa dalam menggunakan jaringan internet, kelemahan dari jaringan wireless LAN dimana buruknya jaringan internet pada jaringan wireless LAN. Maka dari itu peneliti ingin menganalisis Quality of Service (QoS) jaringan wireless LAN pada setiap fakultas di lingkup Universitas Muslim Indonesia. Dengan adanya kualitas jaringan pada Universitas Muslim Indonesia maka akan dilakukan metode wawancara dan observasi terlebih dahulu mengenai masalah yang terjadi pada jaringan wireless LAN pada tiap fakultas, setelah itu akan dilakukan analisis terhadap jaringan wireless LAN dengan menggunakan parameter - parameter Quality of Service yaitu delay, packet loss, bandwidth, troughput

Related SDGs Targets

Full Author List

Zahirah, Dinna; Purnawansyah; Kurniati, Nia; Darwis, Herdianti, Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia

Abstract

Geographical position and having a tropical climate make Indonesia known for its abundant biodiversity, one of which is herbal leaves. Indonesia has more than 2039 species that fall into the category of herbal medicinal plants. Herbal leaves are plants that are used as an alternative to natural disease healing. The large number of herbal leaf plants makes it difficult for people to distinguish between herbal plants and non-herbal plants, except when herbal leaf plants bear fruit or bloom. With advances in technology, many studies have been conducted to identify types of herbal plants, one of which is to identify the characteristics of the leaves. In this study, image recognition of herbal leaves was carried out using the K-Nearest Neighbor and Convolutional Neural Network methods with feature extraction of the Gray Level Co-occurance Matrix. By using these 2 methods, the data collected in this study were 480 leaf images which were then divided into 80% testing data and 20% training data. The data used are in the form of Sauropus androgynus and Moringa leaves. Based on the test results, the Convolutional Neural Network method which is suggested in the herbal leaf image classification which has an accuracy value of 96%.

Related SDGs Targets

Full Author List

Indra, Dolly; Ilmawan, Lutfi Budi; Lahuddin, Harlinda; Universitas Muslim Indonesia, Indonesia; Fadlillah, Hadyan Mardhi; Kasman, Kasman;

Abstract

Rice production is massive in Indonesia, therefore maintaining the quality of the product is necessary. Detection and classification of objects have become a very important part in image processing. We performed object detection namely rice. After the object is found, it can be classified into two categories, namely good and damaged rice. We conducted a new study on rice which was carried out per group not per grain to obtain or classify good and damaged rice where we had carried out several steps, namely segmentation process using HSV (hue, saturation, value) color space. HSV is used because of its excellence in representing brightness of the image. We considered evaluating brightness because the tendency of damaged rice is darker or paler compared to good rice. To accomodate environment lighting ambiguity we perform the image acquisition in a controlled environment, so that all the images have the same light intensity. Here we use only channel V of HSV to be used in feature extraction using the gray-level co-occurrence matrix (GLCM) and finally convolutional neural network (CNN) is used for classification. From the test experiments that we have done, we have produced 83% prediction accuracy. Considering how similar the good rice is to the spoiled rice, the results are quite impressive.

Related SDGs Targets

Full Author List

Fajrul, Muhammad; Satra, Ramdan; Ilmawan, Lutfi Budi; Universitas Muslim Indonesia, Indonesia

Abstract

Meningkatnya kebutuhan alat walet seperti speaker, ampli, parfum, mesin kabut, insulasi atap, racun hama membuat pemilik toko kesulitan untuk memprediksi permintaan alat-alat walet yang akan digunakan untuk kebutuhan gedung walet, terdapat 2 barang dalam satu jenis barang sehingga terdapat 12 data penjualan pada tahun 2020 selama 12 bulan. Penelitian ini bertujuan untuk : memprediksi permintaan peralatan sarang walet 5 bulan kedepan. Metode yang digunakan adalah metode double exponential smoothing dan pengukuran akurasi yaitu MAD dan MAPE. Dari 12 data barang penjualan terdapat 3 barang yang mendapat akurasi peramalan cukup baik yaitu audax 61, piro mw 88, H3N1. Hasil penelitian menunjukkan pada jenis barang speaker yaitu audax 61 didapatkan bahwa nilai MAD nya adalah 2428.5, nilai MAPE adalah 35.4 dan sudah masuk dalam kategori cukup baik dan untuk prediksi 5 bulan kedepan yaitu bulan 1 adalah 8386.0, bulan 2 adalah 9082.0, bulan 3 adalah 9778.0, bulan 4 adalah 10474.0, bulan 5 adalah 11170.0.

Related SDGs Targets

Full Author List

Ilmawan, Lutfi Budi, Department of Informatics Engineering, Universitas Muslim Indonesia, Makassar, Indonesia; Muladi; Prasetya, Didik Dwi, Department of Electrical and Informatics Engineering, Universitas Negeri Malang, Malang, Indonesia

Abstract

Negation plays an essential role in sentiment analysis within natural language processing (NLP). Its integration involves two key aspects: identifying the scope of negation and incorporating this information into the sentiment model. Before delving into scope detection, the specific negation cue must be identified, with explicit and implicit negation cues being the two main types. Various methodologies, such as rule-based, machine learning, and hybrid approaches, address the negation scope detection challenge. Strategies for leveraging negation information in sentiment models encompass heuristic polarity modification, feature space augmentation, end-to-end approach, and hierarchical multi-task learning. Notably, there is a need for more studies addressing implicit negation cue detection, even within the state-of-the-art bidirectional encoder representation for transformers (BERT) approach. Some studies have employed reinforcement learning and hybrid techniques to address the implicit negation problem. Further exploration, particularly through a hybrid and multi-task learning approach, is warranted to make potential contributions to the nuanced challenges of handling negation in sentiment analysis, especially in complex sentence structures.

Related SDGs Targets

Full Author List

Mude, Muh Aliyazid; Ilmawan, Luthfi Budi, Teknik Informatika Universitas Muslim Indonesia

Abstract

Sejak ditemukan teknologi website, maka seluruh aktivitas bisa diselesaikan dengan mudah dan cepat Saat ini aplikas web telah diterapkan diberbagai bidang dalam kehidupan misal pada bidang pendidikan, ekonomi, pertanian, perikanan, medis, militer, bisnis dan lainnya. Banyak aplikasi web telah dibuat yang didasarkan pada kebutuhan pengguna, Riset ini lebih kepada perancangan sistem web yang didasarkan pada standar International Organization forStandardization (ISO) 9126-4. Output berupa rancangan produk berupa website berisi beberapa metrik yang digunakan yakni metrik effectiveness dengan 3 bagian task effectiveness, task completion dan error frequency selanjutnya metrik productivity dengan 3 bagian task time, task efficiency dan productive proportion, berikut metrik safety dengan 2 bagian economic damage dan software damage selanjutnya 1 metrik satisfaction yakni satisfaction scale. Adapun hasil berupa software yang dapat digunakan sebagai tools untuk mengukur, mengevaluasi kualitas suatu perangkat lunak.

Related SDGs Targets

Full Author List

Salim, Yulita; Ilmawan, Lutfi Budi, Universitas Muslim Indonesia

Abstract

Banyak E-commerce yang mempromosikan produk atau event pada Instagram, hal ini tentu memudahkan penjual dalam menjangkau pasar yang lebih luas. Termasuk acara yang diadakan oleh Shopee pada bulan November 2020 yaitu Event Big Sale 11.11 merupakan acara besar yang diadakan Shopee. Para pengunjung sudah bisa melihat produk yang penjual tawarkan melalui gambar tersebut. Oleh karena itu, diperlukan sebuah penelitian yang dapat menganalisa opini pengguna di Instagram dari suatu cara bagi sebuah produk Penelitian ini bertujuan untuk untuk mengklasifikasi opini pengguna terhadap Event Big Sale 11.11 Shopee yang banyak tersebut kedalam sentiment positif, negatif dan netral dengan menerapkan metode Naïve Bayes. Hasil dari penelitian dapat membantu masyarakat untuk mengambil keputusan dalam pembelian produk di Shopee. Metode Naive Bayes digunakan untuk melakukan klasifikasi opini masyarakat terhadap Event Big Sale 11.11. Karakteristik dari metode ini adalah tiap fitur atribut data dianggap independen, satu dan lainnya terpisah dan memiliki nilai sendiri. Metode ini dianggap memiliki performa yang handal dan kompetitif dalam proses pengklasfikasian karena asumsi independen atribut yang dimiliki sebuah data sangat sesuai dengan pengaplikasian di dunia nyata.

Related SDGs Targets

Full Author List

Asis, Muhammad Arfah, Ilmawan, Lutfi Budi; Universitas Muslim Indonesia; Jeffry, Azis Firman; Usman, Syahrul; Syam, Rahmat Fuadi, Universitas Trisakti

Related SDGs Targets

Full Author List

Rahmadani, Aulia Rezky; Purnawansyah; Darwis, Herdianti; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia,

Abstract

Daun merupakan salah satu komponen tumbuhan yang mengandung khasiat alami dan bermanfaat untuk menjaga kesehatan manusia. Namun beberapa jenis daun memiliki ciri dan karakteristik yang sama sehingga sulit untuk dibedakan. Penelitian ini bertujuan untuk melakukan pengklasifikasian jenis daun herbal dengan menggunakan metode SVM dengan empat kernel (Linear, RBF, Polynomial, Sigmoid) dan CNN dengan ekstraksi fitur Fourier descriptor (FD). Dataset yang diolah adalah citra daun katuk, dan daun kelor sejumlah 480 citra yang terbagi menjadi data training dan data testing dengan perbandingan 80%:20%, 70%:30% dan 60%:40%menggunakan dua skenario yaitu gelap dan terang. Dariproses pengujian diperolehhasil pengujian algoritma FD + SVM memberikan hasil yang lebih baik memperoleh nilai accuracy pada kernel linear, RBF, polynomial, sebesar 100% pada perbandingan 80%:20%, 70%:30% dan 60%:40%pada skenario terang dan gelap. Sedangkan hasil dari proses pengujian FD + CNN pada perbandingan 70%:30% pada skenario terang mendapatkan nilai accuracy sebesar 100%. Dengan demikian, algoritma FD + CNN pada skenario terang dan algoritma FD + SVM dengan kernel Linear, RBF, polynomial dapat direkomendasikan dalam pengklasifikasian citra daun herbal.

Related SDGs Targets

Full Author List

Rahmadani, Aulia Rezky; Purnawansyah; Darwis, Herdianti; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia

Abstract

Leaves are one component of plants that contain natural properties and are useful for maintaining human health. However, several types of leaves have the same characteristics and characteristics that make it difficult to distinguish. This study aims to classify types of herbal leaves using the SVM method with four kernels (Linear, RBF, Polynomial, Sigmoid) and CNN with Fourier descriptor (FD) feature extraction. The processed dataset is katuk leaf images, and Moringa leaf images of 480 images which are divided into 80% training data and 20% testing data using two scenarios, namely dark and light. From the testing process, it was found that FD + CNN in the light and dark scenarios obtained an accuracy value of 98%. Thus, the FD + SVM algorithm with Linear, RBF, polynomial kernels can be recommended in classifying herbal leaf images to have the best accuracy value of 100%.

Related SDGs Targets

Full Author List

Ilmawan, Lutfi Budi, Universitas Muslim Indonesia; Muladi; Prasetya, Didik Dwi, Universitas Negeri Malang

Abstract

One crucial issue affecting the performance of sentiment analysis tasks is negation. Handling negation involves determining the negation scope and negation cue. Feature space augmentation is one approach used to address negation. Feature space augmentation has been carried out by some previous researchers using a negation flag with the rule that the negation scope includes all words from the explicit negation cue to the punctuation mark. This study aimed to analyze the classifier's performance when negation handling was applied by adding a new rule for the negation scope. The new rule for determining the negation scope no longer took all words from the negation cue to the punctuation mark, but only considered or ignored words with certain POS tags. The results of this study showed that using the new rule for negation scope contributed to improving the performance of the classifier in sentiment analysis tasks. The proposed approach for negation handling was better than the previous approach in terms of accuracy, precision, recall, and f1-score.

Related SDGs Targets

Full Author List

Asis, Muhammad Arfah; Ilmawan, Lutfi Budi; Universitas Muslim Indonesia

Abstract

App-SKPI dikembangkan untuk mempermudah mahasiswa dalam mengajukan atau membuat Surat Keterangan Pendamping Ijazah. Tujuan penelitian ini adalah mengimplementasikan QR Code pada Aplikasi pengajuan Surat Keterangan Pendamping Ijazah (SKPI) Fakultas Ilmu Komputer di Universitas Muslim Indonesia. Ada dua QR Code yang dimasukkan dalam dokumen yaitu pada halaman pertama dan pengesahan. Library yang digunakan untuk generate dokumen adalah TCPDF dengan pengaturan koreksi error QR Code yang lebih baik (tipe Q). Hasilnya dokumen berhasil menampilkan QR Code di kedua halaman tersebut. QR Code pertama berfungsi dengan baik dimana itu mengarahkan ke website FIKOMApps UMI untuk mengunggah file aslinya sehingga isi dokumen yang dipindai dapat dibandingkan dengan file aslinya. QR Code kedua juga berfungsi dengan baik dimana itu mengarahkan juga ke halaman pada website Fikom UMI untuk memperlihatkan informasi mahasiswa atau pemilik dokumen SKPI dan juga status dokumennya apakah sudah diverifikasi dan divalidasi. Halaman ini juga menampilkan informasi aktivitas dan prestasi dari pemilik beserta bukti dokumen setiap kegiatan tersebut.

Related SDGs Targets

Full Author List

Belluano, Poetri Lestari Lokapitasari; Ilmawan, Budi Lutfi, Universitas Muslim Indonesia

Abstract

Aplikasi konsultasi dokter hewan dirancang untuk memudahkan pemilik hewan dalam melakukan konsultasi atau mengajukan pertanyaan mengenai hewan peliharaan mereka tanpa harus langsung mendatangi dokter hewan. Penelitian ini bertujuan untuk merancang dan membangun aplikasi konsultasi dokter hewan dengan menggunakan metode Prototyping, sebuah pendekatan yang memungkinkan pembuatan model perangkat lunak sederhana untuk memberikan gambaran dasar kepada pengguna tentang program serta melakukan pengujian awal. Pembuatan menggunakan bahasa pemrograman dart dengan framework flutter yang memudahkan pembuatan aplikasi multiplatform. Melalui kuesioner yang disebarkan kepada 20 responden, yang terdiri dari pihak MW Vet Clinic dan pemilik hewan, menggunakan metode pengujian black box, diperoleh hasil bahwa indeks keseluruhan pada pengujian black box mencapai 82,5%. Hasil penelitian ini mencakup pembangunan aplikasi konsultasi dokter hewan berbasis Android yang dapat membantu MW Vet Clinic dalam melakukan konsultasi dengan pemilik hewan tanpa memerlukan kehadiran fisik di Vet Clinic.

Related SDGs Targets

Full Author List

Pahendra, Muhammad Agung Maugi; Anraeni, Siska; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Universitas Muslim Indonesia Jl. Urip Sumoharjo No.km.5, Makassar, 90231, Indonesia

Abstract

Traveloka, sebagai salah satu platform pemesanan perjalanan terkemuka, telah mencapai lebih dari 50 juta unduhan di Google Play Store. Pencapaian ini menunjukkan tingginya minat dan kepercayaan pengguna terhadap layanan yang ditawarkan. Namun, ulasan pengguna mengindikasikan adanya beberapa isu terkait performa dan kestabilan aplikasi yang perlu diperhatikan. Penelitian ini membandingkan performa metode Word Embedding Word to Vector (Word2vec) dan Embedding from Language Model (ELMo) menggunakan model Bidirectional Long Short Term Memory (BiLSTM) dalam analisis sentimen ulasan aplikasi Traveloka. Hasil penelitian menunjukkan bahwa model BiLSTM dengan Word2vec memiliki akurasi 76,13%, precision 75,22%, recall 77,99%, dan F1-measure 76,58%, lebih baik dibandingkan model dengan ELMo memiliki akurasi 74,38%, precision 70,49%, recall 78,77% dan F1-measure 74,40%. Model BiLSTM dengan Word2vec lebih efektif dalam analisis sentimen ulasan Traveloka, membantu mengidentifikasi dan menangani isu-isu pengguna guna meningkatkan kualitas layanan dan kepuasan pengguna.

Related SDGs Targets

Full Author List

Asis, Muhammad Arfah; Ilmawan, Lutfi Budi; Alfiansyah, Nur Ikhwan; Ramadah, Rahman, Informatics Engineering, Faculty of Computer Science, Universitas Muslim Indonesia, Indonesia

Abstract

This study analyzes the performance comparison between eMMC and MicroSD storage in a single-node Hadoop environment, focusing on data processing efficiency using the Terasort and TestDFSIO benchmarks. In this experiment, four different data sizes, namely 500MB, 1GB, 1.5GB, and 2GB, were tested to evaluate how well each storage type handles data processing. The test results show that eMMC consistently outperforms MicroSD across all tested dataset sizes. The larger the data size processed, the more significant the performance comparison between the two storage types. At a data size of 2GB, eMMC is almost four times faster than MicroSD, showing a very clear advantage in processing efficiency. In addition, the results of the TestDFSIO test support this finding. In the test, eMMC shows a write speed that is 50% higher than MicroSD, and a read speed that is almost twice as fast at a data size of 10GB. This performance difference confirms that eMMC has a better capacity to handle large data, which is an important factor in applications that require intensive processing. The findings emphasize that eMMC offers better performance and stability than MicroSD, making it a more suitable choice for applications requiring high speed and efficiency in Hadoop environments. This research is expected to provide valuable insights for developers and researchers considering optimal storage solutions for big data processing.

Related SDGs Targets

Full Author List

Ismaldyka; Belluano, Poetri Lestari Lokapitasari; Ilmawan, Lutfi Budi, Program Studi Teknik Informatika, Universitas Muslim Indonesia, Makassar. Indonesia

Abstract

PT. Citra Barkatama Karya merupakan perusahaan property berdomisili di Kota Palu, Sulawesi Tengah yang masih menggunakan lembaran brosur untuk menyajikan informasi terbatas secara visual seperti hanya menampilkan gambar denah property secara dua dimensi, desain tampilan unit tampak satu sisi dan beberapa informasi teks yang terkadang masih menjadi pertanyaan berulang bagi pembaca. Oleh karena itu, dibutuhkan pengembangan media promosi melalui aplikasi Augmented Reality (AR) dengan teknik marke based tracking yang dapat menampilkan informasi lengkap secara visual yaitu tampilan objek 3d rumah dan denah type 65 dengan memvisualisasikannya dalam jarak akses marker ±20cm yang sekiranya dapat sesuai dengan kebutuhan pengguna sehingga mampu meningkatkan minat calon pembeli property pada PT. Citra Barkatama Karya.

Related SDGs Targets

Full Author List

H, Yuli Zulfiana; Belluano, Poetri Lestari Lokapitasari; Ilmawan, Lutfi Budi, Program StudiTeknikInformatika, Universitas Muslim Indonesia

Abstract

Implementasi Bridgigng Antrean Online V2 (Antrol) bertujuan untuk mengetahui cara mengatasi penumpukan antrean di loket admission rumah sakit agar tidak terjadi rangkap data, mengetahui pengembangan web service antrean online versi 2.0 dengan aplikasi SIMRS Khanza dengan metode web service atau API (Application Programing Interface) agar dapat melakukan dua proses pelayanan tanpa ada intervensi satu sistem dengan sistem lainya secara langsung. Tahapan pengujian system menggunakan metode user acceptance test untuk melakukan validasi terhadap sistem yang dikembangkan berdasakan skenario. Dari hasil analisa data yang diperoleh dari hasil kuesioner yang diberikan kepada pengguna bahwa sistem bridging yang dikembangkan dapat diterima dengan presentasi skor 85% (baik).

Related SDGs Targets

Full Author List

Indra, Dolly, Departemen Sistem Informasi, Fakultas Ilmu Komputer, Universitas Muslim Indonesia; Ilmawan, Lutfi Budi, Departemen Teknik Infomatika, Fakultas Ilmu Komputer, Universitas Muslim Indonesia

Abstract

This community service partner is Autis Bunda Special School (SLB). Our partner’s issue is the lack of an official school information platform in the form of a website. The school has been using traditional methods for information dissemination. This community project aims to implement a web-based information system for the Autis Bunda Special School (SLB). The methods employed in this service include observation, interviews, data collection, design, socialization, implementation of the school website, and training. We also evaluated 11 Autis Bunda Special School teachers, assessing their knowledge about website information systems through pretests and posttests. This community service initiative resulted in creating the SLB Autis Bunda school website, accessible at the link https://slbautisbunda.sch.id/. The school website administrators we trained have been able to update information independently. The measurement results from the pretests and posttests show increased knowledge among the teachers, with average pretest and post-test scores of 61.36 and 89.09, respectively.

Related SDGs Targets

Full Author List

Indra, Dolly; Ilmawan, Lutfi Budi, Mansyur, Budi, Universitas Muslim Indonesia

Abstract

Dalam pengabdian masyarakat ini kami sebagai pengabdi berkolaborasi dengan Sekolah Luar Biasa (SLB) Autis Bunda yang menghadapi tantangan terkait ketersediaan media pembelajaran berbasis digital. Selama ini, sekolah ini telah mengandalkan metode konvensional seperti ceramah, papan tulis, dan pengajaran melalui kertas dan pensil. Tujuan utama dari pengabdian ini adalah menerapkan sistem pembelajaran digital berbasis android yang inovatif di SLB Autis Bunda. Metode pelaksanaan pengabdian ini meliputi observasi, wawancara, perancangan aplikasi, sosialisasi, pelatihan, dan penerapan aplikasi bernama "GEMA" (Game dan Edukasi Mobile untuk Anak). Selain itu, pengabdian ini juga melibatkan evaluasi terhadap 11 guru SLB Autis Bunda untuk mengukur peningkatan pengetahuan mereka tentang aplikasi mobile. Hasil evaluasi ini disusun berdasarkan uji pretest dan posttest, di mana rata-rata nilai pretest awalnya mencapai 59.55 dan mengalami peningkatan menjadi 88.64 pada posttest

Related SDGs Targets

Full Author List

Lokapitasari, Poetri Lestari; Ilmawan, Lutfi Budi, Universitas Muslim Indonesia

Abstract

Perkembangan Game yang sebelumnya hanya bisa dimainkan secara offline, dengan adanya Game di internet, bisa dimainkan secara online tanpa kendala waktu. Banyak dari mereka menghabiskan waktunya untuk bermain Game dan membeli suatu item yang bertujuan untuk membuat para pemainnya menerima item yang berguna dalam Game tersebut dengan istilah cash in-Game. Nato Store salah satu pelaku bisnis penjualan voucher Game yang dimana masalah utama yang terdapat yaitu pada saat membeli voucher begitu banyak dalam perhari sekiranya 20 orderan lebih sehingga terdapat antrian ketika membeli voucher, sehingga untuk mengatasi permasalahan itu, diperlukan sistem berupa aplikasi penjualan Voucher Game yang lebih efisien dalam memonitoring penjualan ketika ada orderan masuk. Adapun metode yang digunakan yaitu Extreme Programming yang ditujukan untuk dihadapkan dengan requirement yang tidak jelas maupun terjadi perubahan yang sangat cepat. Berdasarkan kuesioner dari 20 responden yang merupakan masyarakat yang hobi bermain Game menggunakan pengujian black box, maka diperoleh pengujian antarmuka 90%, pengujian kinerja 90%, pengujian database 89,6%, pengujian fungsi yang hilang atau rusak 30% dan pengujian inisialisasi/terminasi 90%. Adapun index keseluruhan pada pengujian black box sebesar 82,4%. Hasil yang didapatkan yaitu menghasilkan aplikasi penjualan voucher Game yang dapat digunakan oleh pengguna yang ingin mengisi voucher Game tanpa harus lagi menghubungi admin dari Nato Store selaku penyedia Voucher

Related SDGs Targets

Full Author List

Fauzan, Muhammad Rifqi; Anraeni; Siska, Ilmawan; Lutfi Budiman, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Era kepelatihan Shin Tae-Yong menjadi momen penting bagi sepak bola Indonesia. Performa Timnas Indonesia di bawah asuhan Shin Tae-Yong menuai beragam respons di media sosial X. Penelitian ini bertujuan untuk menganalisis sentimen netizen terhadap timnas Indonesia di era Shin Tae-Yong dengan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 398 tweet yang dikumpulkan dari platform media sosial X, namun setelah prosedur preprocessing, jumlah tersebut berkurang menjadi 391 tweet yang merepresentasikan opini dan pandangan netizen tentang timnas Indonesia di era Shin Tae-Yong. Dari data yang dianalisis, 200 data (51,15%) menunjukkan sentimen positif terhadap timnas Indonesia di era Shin Tae-Yong, sementara 191 data (48,85%) menunjukkan sentimen negatif. Proses pengumpulan data melibatkan pemilihan tweet yang relevan dengan menggunakan keyword terkait timnas Indonesia di era Shin Tae Yong, diikuti dengan tahap preprocessing untuk membersihkan data. Evaluasi dilakukan dengan mengukur akurasi, presisi, recall, dan F1-score setiap algoritma dalam mengklasifikasikan sentimen tweet sebagai positif atau negatif. Penerapan metode SVM dalam analisa sentimen tentang timnas Indonesia di era Shin Tae-Yong berhasil mencapai tingkat accuracy sebesar 63,29%, precision sebesar 65%, recall sebesar 65% dan F1-Score sebesar 63%. Hasil penelitian menunjukkan bahwa algoritma SVM secara signifikan relatif baik dalam mengenali dan mengklasifikasikan sentimen terkait timnas Indonesia di era Shin Tae-Yong. Penelitian ini dapat memberikan wawasan penting mengenai pemilihan algoritma machine learning yang optimal untuk analisis sentimen dan dapat membantu peneliti dalam memilih metode yang tepat untuk analisis sentimen di berbagai topik

Related SDGs Targets

Full Author List

Junaid, Annisa; Ilmawan, Lutfi Budi; Azis, Andi Adillah Firstani, Universitas Muslim Indonesia

Abstract

Pemanfaatan kayu sebagai bahan konstruksi masih sangat tinggi di Indonesia, namun proses pemilahan kayu di tingkat industri kecil hingga menengah masih dilakukan secara visual dan subjektif. Hal ini berdampak pada ketidaksesuaian antara mutu kayu dan penggunaannya di lapangan. Kegiatan pengabdian ini bertujuan untuk memberikan pelatihan teknik pemilahan kayu berbasis sains menggunakan metode stress wave velocity kepada pelaku usaha kayu. Metode ini bersifat non-destruktif, mudah diterapkan, dan dapat memperkirakan kekuatan mekanis kayu berdasarkan kecepatan rambat gelombang tegangan yang terukur melalui aplikasi Wave Spectra dan Wood Quality Detector. Pelatihan dilaksanakan di UD. Cahaya Putri, Katimbang, Paccerakkang, Makassar. Hasil kegiatan menunjukkan peningkatan pengetahuan mitra sebesar 56% mengenai konsep kekuatan kayu dan teknik pemeriksaannya, serta meningkatnya keterampilan penggunaan alat uji sederhana berbasis smartphone. Kegiatan ini diharapkan menjadi langkah awal dalam upaya standarisasi pemilahan kayu secara ilmiah di tingkat UMKM untuk mendukung industri konstruksi berkelanjutan.

Related SDGs Targets

Full Author List

Syaifullah, Muhammad Andi; Hayati, Lilis Nur; Ilmawan, Lutfi Budi, Informatics Engineering,Faculty of Computer Science, University of Muslim Indonesia, Makassar City, Indonesia

Abstract

Royal Cafe Makassar still relies on a manual system for managing queues and processing orders, which leads to long waiting lines, delayed service, and frequent recording errors. This study aims to design and implement a mobile-based queue management application using the First Come First Served (FCFS) method to create a more efficient, structured, and transparent ordering process. System development follows the Waterfall model, consisting of requirement analysis, system design, implementation, testing, and maintenance phases. The application provides features for registration and login, digital menu browsing, ordering, payment processing, queue monitoring, and a role-based workflow involving administrators, baristas, and waiters. Functional validation is conducted using black-box testing, while usability evaluation employs the System Usability Scale (SUS). The results show that every major function of the application operates according to the specified requirements. The SUS evaluation, involving 73 respondents, yields an average score of 82.35, which falls into the “very good” and “acceptable” categories, indicating high usability and user satisfaction. The FCFS mechanism effectively addresses operational issues by ensuring fair and consistent service order based on customer arrival time, reducing manual workload, and minimizing ordering errors. Overall, the developed system provides a practical digital solution for improving café service efficiency and can serve as a reference model for similar small-scale businesses adopting queue management applications.

Related SDGs Targets

Full Author List

Mansyur, St. Hajrah; Hidayah, Nurul, Sistem Informasi, Universitas Muslim Indonesia, Makassar, Indonesia; Ilmawan, Lutfi Budi; Putra, Meydil Eka Syah; Rahmansyah, Moh. Fathur, Teknik Informatika,Universitas Muslim Indonesia,Makassar,Indonesia; Nengsi, Ratika, Pendidikan Agama Islam, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Pendidikan inklusif bagi penyandang disabilitas masih menghadapi keterbatasan media pembelajaran adaptif, khususnya pada pembelajaran huruf dan harakat hijaiyah yang menuntut kompleksitas komunikasi visual, auditori, dan taktil. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan mengembangkan dan mengimplementasikan media digital multisensori HarakaTouch sebagai solusi inovatif di SLB Negeri 1 Makassar. Metode pelaksanaan dirancang melalui tujuh tahapan utama: HarakaConnect, HarakaTrain, HarakaTech, HarakaGuide, HarakaTrack, HarakaReflect, dan HarakaSustain, dengan melibatkan 16 siswa difabel serta 15 guru. Hasil menunjukkan adanya peningkatan signifikan pada capaian siswa: skor pemahaman huruf dan harakat meningkat dari 42% menjadi 81% (+39%), kemandirian belajar dari 2,1 menjadi 3,6, serta konsentrasi dari 50% menjadi 82%. Pada guru, pemahaman strategi pembelajaran inklusif naik dari 55% menjadi 88% (+33%), dan keterampilan penggunaan media dari 2,3 menjadi 3,7. Keberhasilan program ditandai dengan terbentuknya komunitas Guru Hijaiyah Inklusi, serta legitimasi hukum melalui sertifikat HAKI. Temuan ini membuktikan bahwa HarakaTouch efektif meningkatkan literasi hijaiyah difabel, memperkuat kapasitas guru, dan berpotensi dikembangkan sebagai educational technology inklusif berskala nasional.

Related SDGs Targets

Full Author List

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 Targets

Full Author List

Mansyur, St. Hajrah; Atmajaya, Dedy ; Ilmawan, Lutfi Budi Program Studi Sistem Informasi,Universitas Muslim Indonesia

Abstract

Saat ini kelompok Tani Madani yang berlokasi di Desa Gunung Silanu Keca-matan Bangkala, Kabupaten Jeneponto menghasilkan beberapa produk alami hasil budi-daya masyarakat. Salah satu produksi yang paling diminati adalah kunyit bubuk asli yangmengandung banyak manfaat yang dibutuhkan oleh manusia. Pada pemasaran produkkunyit gunung silanu masih bersifat konvensional karena masih menggunakan kebiasanumum yang lazim digunakan atau dengan istilahword of mouth, dimana pembeli menda-tangi langsung penjual secara bertatap muka untuk mempromosikan barang daganganyaatau pihak distributor mendatangi customer untuk menawarkan produk kunyit tersebut.Hal tersebut dianggap kurang maksimal dalam peningkatan penjualan karena hanya dipa-sarkan pada daerah sekitar saja, padahal produk kunyit gunung silanu sangat bagus didi-stribusikan di masyarakat luas, baik dari dalam atau luar provinsi di Indonesia. Sistempemasaran online berbasis website merupakan salah satu penerapan teknologi informasipemasaran digital yang efektif mempromosikan produk ke berbagai kalangan masyarakatyang terkoneksi dengan akses internet. Dimana dengan adanya penerapane-businessda-pat memperlancar proses transaksi bisnis, dapat meningkatkan layanan kepada para customer diberbagai daerah sehingga meningkatkan kinerja dari operasional dari kelompoktani madani

Related SDGs Targets

Full Author List

Markas, Muhammad Salman Al; Anraeni, Siska; Ilmawan, Lutfi Budiman, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penggunaan internet dengan media sosial mempengaruhi masyarakat terhadap kegiatan yang dilakukan saat ini. Salah satu media sosial yang sekarang ini sedang populer digunakan oleh masyarakat adalah X. Informasi yang disebarkan dapat merupakan berita, opini, komentar, serta kritikan. Data yang didapat dari tweet ini dapat menjelaskan tanggapan masyarakat terhadap pelayanan pajak dari X. Maka dari itu penelitian ini sangat efisien jika X menjadi media untuk pengambilan data mengenai komentar Masyarakat sehingga dapat memberikan efektivitas perubahan yang diberikan kepada instansi pemerintah. Analisis sentimen menjadi proses yang sangat penting dalam memahami isi data dengan tujuan mengolah komentar yang diberikan oleh pengguna melalui tweet di X mengenai sebuah produk, layanan, dan instansi. Karya ilmiah ini bertujuan untuk membandingkan fitur Vector Bag Of Word dan TF IDF untuk mengevaluasi seberapa penting suatu term dalam sebuah dokumen pada dokumen yang lebih besar. Seperti diketahui bahwa komputer hanya mampu memproses input yang numerik sehingga data opini public berupa teks perlu direpresentasikan sebagai nilai numerik yang dikenal dengan ekstraksi fitur dan dapat dilakukan menggunakan model Binary Bag of Words (BOW), Count BOW dan Term Frequency-Inverse Document Frequency (TF-IDF) dikarenakan kedua teknik tersebut sangat berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Berdasarkan hasil analisis maka dapat disimpulkan dengan menganalisis statement dengan menggunakan Bag Of Word dan TF-IDF dapat mengetahui jumlah tiap kemunculan kata di setiap kalimat dan dari hasil yang didapatkan bahwa kata yang sering diucapkan dalam sentimen yaitu dengan bobot nilai TF-IDF sebesar 0.1403.

Related SDGs Targets

Full Author List

Syaifuddin, Muhamad Faza Almaliki; Nurrifqhi, Arian; Fadilah, Nur; Ramadhan, Ahmad Mufli; Manga, Abdul Rachman; Rakasyah, Athar Fathana; Taqwa, Abd Salam At; Ilmawan, Lutfi Budi; Ahmad; Khawaritzmi Abdallah, Universitas Muslim Indonesia;

Abstract

Perkembangan teknologi informasi, kecerdasan buatan (Artificial Intelligence), dan analisis data telah membawa perubahan besar dalam berbagai sektor kehidupan, mulai dari pendidikan, kesehatan, industri, transportasi, keuangan, hingga pemerintahan. Di tengah perkembangan tersebut, Machine Learning hadir sebagai salah satu cabang kecerdasan buatan yang memiliki kemampuan untuk mempelajari pola dari data dan menghasilkan prediksi maupun keputusan secara otomatis. Kemampuan ini menjadikan Machine Learning sebagai teknologi yang sangat penting dalam menghadapi tantangan era digital dan revolusi industri modern.

Related SDGs Targets