Nia Kurniati

Full Author List

Salim, Yulita; Atmajaya, Dedy; Kurniati, Nia; Astuti, Wistiani, Fakultas Ilmu Komputer, Universitas Muslim Indonesia

Abstract

Konsep sampah dalam kehidupan manusia didefenisikan sebagai semua produk yang dihasilkan setelah terjadinya sebuah proses. Gaya hidup dan bertambahnya jumlah penduduk mengakibatkan bertambahnya jumlah sampah terutama di kota Makassar. Pemerintah kota Makassar telah mencoba berbagai cara agar masyarakat dapat menjaga kebersihan, termasuk membuang sampah pada tempatnya sesuai dengan jenis sampah. Berdasarkan sifatnya sampah dibagi dalam dua jenis, yaitu sampah organik dan sampah non organik. Sifat sampah non organik yang tidak terurai dapat merusak lingkungan, oleh karena itu Pemerintah Kota Makassar mengelola sampah non organik dari masyarakat melalui Bank Sampah Unit (BSU) yang ada disetiap kecamatan untuk dijadikan berbagai bentuk kerajinan tangan. Salah satu upaya dalam merubah paradigma tentang sampah non organik ialah menciptakan sebuah inovasi dengan membuat sistem transaksi pengelolaan sampah yang berbasis aplikasi. Penelitian ini membuat aplikasi sistem transaksi pengelolaan sampah di setiap Unit Bank Sampah ke dalam bentuk buku tabungan digital yang dapat diakses melalui website. Inovasi ini dibuat dengan tujuan agar masyarakat dapat menjadikan website sebagai sarana informasi tabungan sampah.

Related SDGs Targets

Full Author List

Anjasani, Ainul Yaqin; Anraeni, Siska; Kurniati, Nia, Universitas Muslim Indonesia, Jl. Urip Sumoharjo KM. 5, Makassar 90231, Indonesia

Abstract

Sinusitis merupakan inflamasi atau peradangan pada dinding sinus yang sering kali tidak disadari keberadaannya oleh penderitanya. Penelitian ini menggunakan metode Certainty Factor, yaitu metode yang menyatakan tingkat kepercayaan terhadap suatu kejadian (fakta atau hipotesis) berdasarkan bukti atau penilaian. Gejala yang digunakan dalam penelitian ini meliputi sakit kepala, demam, lesu, hidung tersumbat, ingus berwarna kuning kehijauan, penurunan fungsi indera penciuman, bau pada napas atau hidung, hidung berdarah, serta nyeri di beberapa area seperti dahi, mata, pipi, pangkal hidung, belakang kepala dan leher, serta pelipis. Berdasarkan uji coba terhadap 10 orang, sistem menghasilkan tingkat akurasi sebesar 70% dalam mendiagnosis penyakit sinusitis. Dengan demikian, aplikasi yang dikembangkan dapat membantu pengguna dalam mendiagnosis jenis penyakit sinusitis dengan lebih mudah.

Related SDGs Targets

Full Author List

Fitriani, Fitriani; Ihwana, As' ad; Nia, Kurniati; Universitas Muslim Indonesia, Indonesia

Abstract

Penelitian ini bertujuan sebagai sistem pendukung keputusan pemilihan bibit padi unggul menggunakan metode TOPSIS dengan berbasis aplikasi website. Data alternatif, kriteria dan sub kriteria didapatkan melaui hasil pencarian langsung melalui lapangan dan observasi dengan petani padi langsung dalam penentuan bibit padi yang unggul. Metode yang digunakan dalam penelitian ini adalah TOPSIS yang bertujuan untuk mendapatkan keputusan terbaik berdasarkan data kriteria atu multikriteria. Pengujian dilakukan dengan menggunakan metode blackbox testing atau pendekatan terhadap fungsionalitas aplikasi berbasis website sendiri dan pembagian kuesioner terhadap tiga petani yang menggunakan sistem pendukung keputusan ini. Hasil penelitian ini memberikan tingkat pengambilan keputusan yang tepat dalam memilih bibit padi unggul dan menyimpulkan bahwa pengelolaan data bibit padi unggul yang lebih cepat dan efisien. hasil uji kelayakan sistem yang menyatakan nilai tertinggi dari kepuasan pengguna dalam menggunakan sistem adalah 96% yang dapat disimpulan bahwa informasi ini layak dan telah memenuhi syarat untuk digunakan dalam pemilihan bibit padi unggul.

Related SDGs Targets

Full Author List

Harlinda; Rendi, Ahmad; Azis, Huzain; Indra, Dolly; Hayati, Lilis Nur; Kurniati, Nia, Faculty of Computer Science, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

The Cia-cia script, one of Indonesia's threatened cultural heritages, was chosen as the object of study due to the lack of research and documentation on the script. This study aims to create an automated system for classifying Cia-cia letters by utilizing the MobileNetV2 architecture and Convolutional Neural Networks (CNN). By applying deep learning techniques, the developed system achieves high accuracy, reaching 98.35% after 100 epochs. The research involved collecting 1823 handwriting samples covering 23 Ciacia alphabets, processed through a series of augmentation and normalization techniques to improve model performance. The results show that artificial intelligence-based technology is effective in documenting and preserving traditional scripts, while providing a foundation for the development of educational applications that can reintroduce Cia-cia alphabets to the younger generation. This research contributes to cultural preservation by integrating modern technology to ensure the continued use of the Cia-cia script in the digital era.

Related SDGs Targets

Full Author List

Kurniati, Nia; Hasnawi, Mardiyyah, Universitas Muslim Indonesia

Abstract

Global demands require the world of education to always adapt technological developments to efforts to improve the quality of education. In improving the quality of teaching and learning in the era globalization, teacher should master computer programs in order to be able to take advantage of available technologhy and facilitate teaching. This community service activity aims to provide online learning training for students of the Mizanul Ulum Islamic Boarding School in Sanrobone Village so that they can develop technology in the learning process. The implementation method in online learning training is carried out in several stages, namely site surveys and collaborating with work partners at schools, conducting outreach about online learning at schools, implementing online learning training, and evaluating. The results achieved were that participants understood the importance of implementing IT in the learning process, participants were able to use online learning media such as the zoom app, and google meet, participants were able to carry out learning activities online using the zoom app anf gogle meet.

Related SDGs Targets

Full Author List

Kharawan, Athifah Arsa; Hayati, Lilis Nur; Kurniati, Nia, Universitas Muslim Indonesia

Abstract

Data presensi perkuliahan pada perguruan tinggi menjadi suatu acuan dalam menunjukan kredibilitas setiap mahasiswa yang digunakan oleh para dosen sebagai data untuk pemberian nilai mahasiswa sekaligus sebagai bahan evaluasi keberhasilan belajar mengajar dalam pekuliahan. Kehadiran sangatlah penting bagi mahasiswa yang diwajibkan untuk menghadiri minimal 80%, yang dimana menentukan mahasiswa tersebut layak untuk mengikuti ujian semester atau tidak, selain itu kebanyakan dosen menjadikan sebagai komponen penilaian. Sistem face recognition ini tidak hanya bermanfaat untuk menghindari kecurangan pada absensi kelas namun, juga dapat diimplementasikan untuk sistem presensi pada acara-acara perkuliahan yang membutuhkan presensi peserta untuk merekap kehadirannya. Terdapat 2 tahapan dalam proses Face Recognition yaitu Face Detection yang berfungsi untuk mendeteksi wajah dan kemudian wajah yang terdeteksi akan diproses dengan cara membandingkan dengan database wajah yang telah ada dalam database. Hasil penelitian dan pembahasan perancangan database penyimpanan data gambar mahasiswa bermasker untuk pembuatan aplikasi presensi face recognition yaitu pada dataset yang dikumpulkan yaitu kelas B3 ada 15 orang mahasiswa dengan stambuk 13020220160, 13020220167 dan 13020220173, 13020220175, 13020220178, 13020220179, 13020220183, 13020220184, 13020220188, 13020220191,13020220195, 13020220200, 13020220204, 13020220208 dan 13020220216 dengan jumlah data yaitu 30 foto tiap mahasiswa. Adapun solusi yang diberikan yaitu mampu membantu dosen dan mahasiswa dalam melakukan presensi melalui aplikasi dengan menggunakan webcame supaya tetap mengenali wajah walaupun menggunakan masker.

Related SDGs Targets

Full Author List

Anraeni, Siska; Mustari, Muhid; Ramdaniah; Kurniati, Nia; Mubarak, Syahrul,

Abstract

In response to the burgeoning need for advanced object recognition and classification, this research embarks on a journey harnessing the formidable capabilities of Convolutional Neural Networks (CNNs). The central aim of this study revolves around the precise identification and categorization of objects, with a specific focus on the critical task of distinguishing between fresh and spoiled chicken meat. This study's overarching objective is to craft a robust CNN-based classification model that excels in discriminating between objects. In the context of our research, we set out to create a model adept at distinguishing between fresh and rotten chicken meat. This endeavor holds immense potential in augmenting food safety and elevating quality control standards within the poultry industry. Our research methodology entails meticulous data collection, which includes acquiring high-resolution images of chicken meat. This meticulously curated dataset serves as the bedrock for both training and testing our CNN model. To optimize the model, we employ the 'adam' optimizer, while critical performance metrics, such as accuracy, precision, recall, and the F1-score, are methodically computed to evaluate the model's effectiveness. Our experimental findings unveil the remarkable success of our CNN model, with consistent accuracy, precision, and recall metrics all reaching an impressive pinnacle of 94%. These metrics underscore the model's excellence in the realm of object classification, with a particular emphasis on its proficiency in distinguishing between fresh and rotten chicken meat. In summation, our research concludes that the CNN model has exhibited exceptional prowess in the domains of object recognition and classification. The model's high accuracy signifies its precision in furnishing accurate predictions, while its elevated precision and recall values accentuate its effectiveness in differentiating between object classes. Consequently, the CNN model stands as a robust foundation for future strides in object classification technology. As we peer into the horizon of future research, myriad opportunities beckon. Our CNN model's applicability extends beyond chicken meat classification, inviting exploration across diverse domains. Furthermore, the model's refinement and adaptation for specific challenges represent an exciting avenue for future work, promising heightened performance across a broader spectrum of object recognition tasks.

Related SDGs Targets

Full Author List

Khatimah, Nur Khusnul;Belluano, Poetri Lestari Lokapitasari; Kurniati, Nia, Universitas Muslim Indonesia

Abstract

Kecamatan Bontolempangan merupakan daerah pegunungan/lereng di Kabupaten Gowa yang memiliki delapan kelurahan dan jumlah penduduk 14.209 Jiwa. Profesi utama masyarakat Desa Bontolempangan sebagai petani. Jagung adalah salah satu komuditas hasil pertanian yang menjadi tombak penghasilan para petani setempat. Berdasarkan data dari BPS Kabupaten Gowa tercatat bahwa luas lahan panen untuk komoditas jagung di Desa Bontolempangan seluas 3.363 Ha dengan produksi 18.927 Ton pertahunnya. Hama merupakan salah satu kendala yang perlu diantisipasi dikarenakan dapat menimbulkan gagal panen untuk para petani jagung. Penelitian ini bertujuan merancang dan membangun sebuah system pakar berbasiss website untuk mengidentifikasi jenis hama tanaman jagung sehingga bisa mempermudah petani dalam berkonsultasi guna mengetahui jenis hama yang terserang dan juga menerapkan metode certainty factor dalam identifikasi hama tanaman jagung di desa bontolempangan sehingga system pakar yang dibangun bisa bekerja layaknya seorang pakar dalam mengidentifikasi hama tanaman jagung. Aplikasi web ini telah melalui uji coba menggunakan pengujian blackbox untuk mengetahui fungsionalitas setiap fiturnya. Adapun untuk mengetahui penilaian dari aspek antarmuka, kinerja. Database dan terminasi maka dilakukan penyebaran kuesioner pengujian aplikasi dengan 25 responden petani, dan diperoleh hasil penilain sebesar 83,36% menyatakan aplikasi sangat baik di implementasikan.

Related SDGs Targets

Full Author List

Nazirah, Aliyah; Belluano, Poetri Lestari Lokapitasari; Kurniati, Nia, Teknik Informatika, Universitas Muslim Indonesia, Makassar, Indonesia

Abstract

Penelitian ini bertujuan untuk mencari hasil klasifikasi kematangan buah lengkeng untuk membantu masyarakat dalam memilih buah lengkeng yang matang. Metode yang digunakan dalam menentukan kualitas buah lengkeng yaitu ekstraksi fitur Content Based Image Retrieval untuk mengklasifikasi kematangan buah lengkeng dengan menggunakan teknik pengambilan data pada image retrieval, dan mengkategorikan citra berdasarkan fitur citra warna dengan tekstur buah. Metode yang digunakan untuk menghitung tingkat akurasi pada buah lengkeng dengan perhitungan jarak euclidean distance untuk mendapatkan nilai akurasi yaitu menghitung jarak kemiripan citra buah yang di uji untuk memperoleh hasil tingkat kematangan buah yang telah di uji. Dataset yang digunakan sebanyak 150 citra dan dibagi menjadi 2 data yaitu data latih dan data uji dengan 3 tingkat kematangan buah lengkeng yang dapat diketahui menggunakan teknik pencarian citra buah lengkeng muda, buah lengkeng setengah matang, dan buah lengkeng matang dengan metode CBIR untuk membedakan satu citra dengan citra yang lain dapat dilihat dari warna, tekstur, dan ukuran buah. Hasil penelitian menunjukkan pencarian gambar yang didapatkan menampilkan 10 citra lengkeng dan hasil pengujian diperoleh nilai akurasi 98.63% dengan akurasi tertinggi 99.6% yang paling dekat dengan citra asli.

Related SDGs Targets

Full Author List

Salim, Yulita; Kurniati, Nia, Universitas Muslim Indonesia

Abstract

Pemahaman akan istilah medis memungkinkan pasien untuk berkomunikasi secara efektif dengan dokter dan tenaga medis lainnya, sehingga dapat menggambarkan keluhan dengan lebih akurat, mengajukan pertanyaan yang tepat, dan memahami penjelasan yang diberikan oleh dokter. Di Inggit Medika Clinic, seringkali terjadi situasi dimana pasien bertanya mengenai istilah medis, yang membutuhkan waktu ekstra untuk dijelaskan oleh perawat atau staf. Penelitian ini bertujuan mengembangkan sebuah aplikasi berbasis web yang dapat membantu menjelaskan istilah medis secara spesifik kepada pasien, serta menjadi media informasi bagi masyarakat umum. Aplikasi ini menggunakan metode linear search sebagai algoritma pencarian istilah medis dalam database. Fitur Speech Recognition atau Automatic Speech Recognition (ASR) digunakan untuk memungkinkan pengguna mencari istilah medis secara langsung menggunakan suara. ASR menggunakan Acoustic Model dan model bahasa untuk mengenali dan memahami ucapan pengguna. Hasil penelitian menunjukkan bahwa sistem berbasis web ini efektif dalam melakukan pencarian istilah medis dan dapat diakses oleh masyarakat umum sebagai sumber pengetahuan dan sarana pembelajaran. Metode linear search dan speech recognition telah diterapkan dengan baik dalam aplikasi ini.

Related SDGs Targets

Full Author List

Belluano, Poetri Lestari Lokapitasari; Kurniati, Nia, Universitas Muslim Indonesia

Abstract

Tanaman kakao merupakan tanaman perkebunan yang mana seluruh bagian dari tanaman ini dapat diolah untuk menghasilkan produk yang berguna dibeberapa bidang kehidupan. Pembudidayaan tanaman kakao sedikit menyulitkan petani akibat timbulnya serangan organisme penggangu tanaman yang sulit dibedakan secara kasatmata. Penelitian ini bertujuan untuk mengatasi permasalahan petani dalam mengidentifikasi serangan organisme pengganggu tanaman penyebab timbulnya penyakit pada tanaman kakao dengan cara penerapan sistem pakar. Metode yang digunakan dalam membangun sistem pakar adalah metode dempster shafer. Terdapat sebanyak 7 jenis penyakit dan 26 gejala yang digunakan untuk mengimplementasikan dempster shafer. Hasil dari penelitian ini berdasarkan pengujian akurasi bahwa tingkat akurasi yang dimiliki oleh metode dempster shafer dalam mengidentifikasi penyakit pada tanaman kakao sebesar 56%.

Related SDGs Targets

Full Author List

Sapsuha, Rukmiati; Harlinda, Harlinda; Kurniati, Nia; Universitas Muslim Indonesia, Indonesia

Abstract

Sekolah Dasar Islam Teradu (SDIT) Tunas Permata Sanana merupakan salah satu satuan Pendidikan jenjang sekolah dasar yang terletak di Kabupaten Kepulauan Sula Provinsi Maluku Utara. Sistem pengolahan nilai dilakukan dengan guru menuliskan nilai siswa dikertas kemudian diakhir semester disatukan dan diolah kembali menggunakan aplikasi Microsoft Excel. Selain itu untuk penyampaian informasi siswa dari guru kepada orang tua siswa masih menggunakan buku kerjasama konvensional. Tujuan dari penelitian ini untuk membangun sebuah sistem rekap hasil belajar siswa berbasis Android yang digunakan untuk membantu guru dalam mengolah nilai siswa dan memudahkan orang tua dalam melihat informasi siswa. Penelitian ini menggunakan metode prototyping dikarena metode ini mengutamakan interaksi dari sisi pengembang aplikasi dengan pengguna dalam proses pembangunan sistem agar memenuhi ekspektasi pengguna. Berdasarkan hasil pengujian blackbox testing dengan jumlah reponden 42 menghasilkan keseluruhan aplikasi memiliki persentase tertinggi yaitu sebanyak 85% yang termasuk dalam kriteria penilaian sangat baik.

Related SDGs Targets

Full Author List

Kurniati, Nia; Fattah, Farniwati; Hasnawi, Mardiyyah; Universitas Muslim Indonesia, Indonesia

Abstract

Academic services are probably the most important aspect to achieve excellence in a university. Every university applies strategies to improve their service quality for example an integrated academic information system that has been run by Universitas Muslim Indonesia (UMI). Due to the students as the object of services, it is important to evaluate their level of satisfaction regarding to the academic service performance that they have experienced. This research aimed to analyze the students’ satisfaction on a WEB based academic information system in UMI using path analysis. The research phases started from determining hypothesis, collecting questionnaire data, identifying variables, analyzing data using path analysis, and analyzing model. The variables tested were students’ registration, course schedule, course grades and assistantships. In this research, a model was created to measure the level of users’ satisfaction by information system based services. The results of this research is the level of satisfaction in student registration services that higher than the course schedule, course grades, and academic assistantships and a gain of confidence to the student that is equal to 17%. Academic information system (SIMAK) on academic service system of UMI can be analyzed by using path analysis and obtained student satisfaction result 69%.

Related SDGs Targets

Full Author List

Irawati; Kurniati, Nia, Universitas Muslim Indonesia

Abstract

Ikan lencam (Lethrinus atkinsoni seale) merupakan bagian dari grup ikan domersal yang berasosi dengan ikan karang. Ikan lencam termasuk famili Lethrinidae yang merupakan target utama bagi perikanan komersil. Penelitian ini menggunakan 150 dataset citra dan dilakukan pengambilan foto. Tujuan penelitian ini adalah membangun sebuah sistem untuk melakukan klasifikasi pada tingkat kesegaran ikan lencam berdasarkan fitur RGB pada citra mata ikan dengan menggunakan metode K-Nearest Neighbor. Tahap dalam penelitian ini meliputi input citra mata ikan lencam yaitu memasukkan gambar mata ikan lencam kemudian dilakukan ekstraksi fitur RGB untuk membedakan suatu objek dengan warna, hasil ekstraksi citra akan digunakan sebagai acuan dalam menentukan tingkat kesegaran ikan lencam. Tahap berikutnya adalah melakukan klasifikasi terhadap objek yang jaraknya paling dekat dengan objek yang diuji menggunakan metode KNN. Hasil dari penelitian berupa sistem yang dapat mendeteksi tingkat kesegaran ikan lencam menggunakan metode KNN. Setelah dilakukan percobaan menggunakan 105 data training dan 45 data testing diperoleh tingkat akurasi sebesar 96%

Related SDGs Targets

Full Author List

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

Abstract

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

Related SDGs Targets

Full Author List

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

Abstract

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

Full Author List

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

Abstract

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

Related SDGs Targets

Full Author List

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 Targets

Full Author List

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 Targets

Full Author List

Astuti, Wistiani; Mude, Muh Aliyazid; Abdullah Syahrul Mubarak; Kurniati, Nia; Indra, Dolly; Manga, Abul Rachman; Ilmawan, Lutfi Budi, Universitas Muslim Infdonesia;

Abstract

Buku ini disusun secara sistematis agar mudah dipahami, mulai dari konsep dasar penilaian Openness dan Webometrics, hingga panduan teknis penggunaan Google Scholar dan SINTA. Pembaca akan dipandu langkah demi langkah dalam mengelola akun profil, meningkatkan jumlah sitasi, hingga strategi menulis artikel agar lebih mudah ditemukan secara global.

Related SDGs Targets

Full Author List

Atmajaya, Dedy; Basalamah, Abdullah; Kurniati, Nia; Iqbal, Muhammad; Jasmin, Thalita Sherly Putri, Universitas Muslim Indonesia;

Abstract

Temperature monitoring is critical in hydroponic cultivation because it influences nutrient solubility, dissolved oxygen, and root uptake, yet low-cost digital sensors commonly used in Internet of Things (IoT) systems may experience accuracy degradation during long-term deployment. This study develops a low-cost IoT monitoring platform for nutrient film technique (NFT) hydroponics and characterizes temperature-sensor drift under continuous operating conditions. Method The system employed two redundant temperature sensors in the nutrient channel and one ambient sensor, with measurements timestamped, filtered, stored locally at the edge, and visualized through a cloud dashboard. Temperature data were recorded hourly for 40 days, producing 960 observations per sensor. Drift was evaluated from the deviation between the primary and redundant channel sensors using mean absolute error, maximum absolute deviation, standard deviation, drift onset, and estimated drift rate. Results and Discussion The primary sensor showed a mean absolute deviation of 0.82 °C over the full monitoring period and a maximum deviation of 1.47 °C. Sensor agreement remained close during the first 10 days but diverged after approximately day 12, with late-period MAE increasing to 1.18 °C and an estimated drift rate of about 0.04 °C/day. Conclusion Long-term drift in low-cost temperature sensors can materially affect hydroponic monitoring accuracy, and redundant sensing provides a practical baseline for future adaptive edge-based calibration methods.

Related SDGs Targets

Full Author List

Hasnawi, Mardiyyah; Astuti, Wistiani; Puspitasari, Andi; Kurniati, Nia; Indra, Dolly

Abstract

Data processing in waste bank management systems faces substantial challenges when extracting structured information from unstructured textual data containing transaction records, customer information, and waste categorization details. This study develops and validates an automated Named Entity Recognition (NER) system based on the IndoBERT transformer architecture to process textual records from Makassar waste bank operations. The approach fine-tunes the indolem/indobert-base-uncased model through domain-specific adaptation targeting waste management vocabulary and operational terminology. The dataset comprises 975 textual records collected from 8 Waste Bank Units in Makassar City. These records were systematically annotated using the BIO tagging scheme for eight entity types: B-LOCATION, B-PERSON, B-WASTE_CATEGORY, B-WASTE_TYPE, I-PERSON, I-WASTE_CATEGORY, I-WASTE_TYPE, and O. The dataset was partitioned into training (682 samples, 69.9%), validation (146 samples, 15.0%), and test sets (147 samples, 15.1%) using stratified sampling methodology with high inter-annotator agreement (κ=0.91). Experimental results show outstanding performance with 94.37% test accuracy, 90.65% precision, 94.37% recall, and 92.21% F1-score, outperforming general-purpose Indonesian NER approaches. Perfect performance was achieved for waste type recognition (B-WASTE_TYPE: 100% F1-score) and location identification (B-LOCATION: 100% F1-score), while waste category classification reached 96% F1-score. This implementation successfully automates entity extraction from Makassar waste bank textual data, reducing manual processing time by 95% while maintaining high accuracy levels. This research makes important contributions to Indonesian environmental natural language processing. These contributions include transformer adaptation methodologies for resource-constrained domains, validated IndoBERT performance on Indonesian waste bank data, the first Indonesian waste management NER dataset, and demonstrated feasibility of NLP-based environmental policy systems.

Related SDGs Targets