Article Per Year (5 Year)
p-Index From 2021 - 2026
4.013
P-Index
This Author published in this journals
All Journal Jurnal Informatika JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI EXPLORE CCIT (Creative Communication and Innovative Technology) Journal International Journal of Informatics and Computation EXPLORE Jurnal Teknik Informatika dan Teknologi Informasi Safari : Jurnal Pengabdian Masyarakat Indonesia Journal Of Computer Science And Technology Jurnal Rekayasa Sistem Informasi dan Teknologi Darma Diksani: Jurnal Pengabdian Ilmu Pendidikan, Sosial, dan Humaniora Journal of Computer Science and Information Technology Jurnal Kecerdasan Buatan dan Teknologi Informasi Journal of Data Analytics, Information, and Computer Science (JDAICS) Jurnal Computer and Technology Explore
Suryadi, Emi
Universitas Teknologi Mataram
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Mathematics Public Health Social Sciences Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 38 Documents
Search

 1   2   3   4 
Rancang Bangun Sistem Pemantauan Kualitas Air Bor Berbasis Internet Of Things Nur Fauziah; Emi Suryadi; Ardiyallah Akbar
Journal of Computer Science and Technology (JOCSTEC) Vol 3 No 2 (2025): JOCSTEC - Mei
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v3i2.430

Abstract

Air adalah senyawa kimia yang sangat vital bagi kehidupan, dan salah satu metode untuk mendapatkan air bersih adalah melalui sumur bor. Meskipun air dari sumur bor sering digunakan untuk keperluan sehari-hari seperti mandi, mencuci, dan memasak, kualitasnya sering kali kurang diperhatikan. Dengan adanya teknologi Internet of Things (IoT), pemantauan kualitas air dapat dilakukan dengan lebih mudah dan efisien. Penelitian ini menggunakan metode prototipe, dengan pengumpulan data yang dilakukan melalui studi pustaka dan observasi. Hasil analisis menunjukkan bahwa sistem pemantauan kualitas air bor berfungsi dengan baik, menampilkan data suhu berkisar antara 10,51-23,99°C (standar suhu normal air bersih idealnya 10-25°C), kekeruhan sebesar 26,52-29,50 NTU (standar maksimum kekeruhan air adalah 25 NTU), dan pH antara 5,17-9,19 (standar pH air adalah 6,5-8,5), yang dapat diakses melalui aplikasi Blynk. Kesimpulannya, air dari sumur bor di beberapa lokasi sampel memenuhi standar kualitas yang ditetapkan oleh Dinas Kesehatan, dengan Arduino dan NodeMCU berfungsi secara optimal dalam memproses serta mengirim data secara real-time.
Penguatan Literasi Digital melalui Pemanfaatan Aplikasi dan Situs Web Pembelajaran bagi Guru dan Siswa di SDN 1 Guntur Macan Henni Comala Hikmi; Karina Nurwijayanti; Lalu Moh. Nurkholis; Emi Suryadi
SAFARI :Jurnal Pengabdian Masyarakat Indonesia Vol. 5 No. 3 (2025): Juli : SAFARI :Jurnal Pengabdian Masyarakat Indonesia
Publisher : BADAN PENERBIT STIEPARI PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Digital literacy is a crucial effort in preparing for the Society 5.0 era. By integrating technology with digital literacy, teachers are better equipped to deliver engaging, effective, and high-quality instruction to students who are growing up in a digital-centric environment. Digital literacy empowers students to participate actively in the learning process while fostering critical and creative thinking in utilizing available information. This Community Service aims to enhance the digital literacy of both teachers and students through the introduction and practical application of educational websites and digital tools. The program was implemented in collaboration with SDN 1 Guntur Macan, located in Gunung Sari, West Lombok. The activity involved 9 elementary school teachers and thirty students from grades V and VI. The methodology in this Community Service program consisted of interactive training sessions and hands-on practice with various digital platforms and applications. The program evaluation indicated a notable improvement in teachers' understanding of digital literacy concepts and the use of digital tools related to instruction. Furthermore, the initiative successfully increased teachers' motivation to integrate technology into classroom learning practices.
FAKE REVIEW DETECTION ON DIGITAL PLATFORMS USING THE ROBERTA MODEL: A DEEP LEARNING AND NLP APPROACH Hadi, Zulpan; Nurkholis, Lalu Moh.; Imran, Bahtiar; Riadi, Selamet; Suryadi, Emi
Journal Computer and Technology Vol. 3 No. 1 (2025): Juli 2025
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/comtechno.v3i1.355

Abstract

Fake reviews have emerged as a serious threat to the integrity of digital platforms, particularly in e-commerce and online review sites. This study explores the application of RoBERTa (Robustly Optimized BERT Approach), a transformer-based architecture optimized for natural language processing (NLP), in automatically detecting fake reviews. The methodology includes data collection from online platforms, contextual feature extraction using RoBERTa embeddings, model training through supervised learning, and evaluation using classification metrics such as accuracy, precision, recall, and F1-score. The training results indicate a significant convergence trend in the training loss, while the validation loss remains relatively unstable, reflecting challenges in model generalization. Nevertheless, experimental results demonstrate that RoBERTa outperforms other approaches such as Logistic Regression PU, K-NN with EM, and LDA-BPTextCNN, achieving an accuracy of 86.25%. These findings highlight RoBERTa's strong potential in detecting manipulative content and underscore its value as an essential tool in building a transparent and trustworthy digital ecosystem.
SemetonBug: A Machine Learning Model for Automatic Bug Detection in Python Code Based on Syntactic Analysis Imran, Bahtiar; Riadi, Selamet; Suryadi, Emi; Zulpahmi, M.; Zaeniah, Zaeniah; Wahyudi, Erfan
Jurnal Informatika Vol 12, No 2 (2025): October
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/inf.v12i2.25340

Abstract

Bug detection in Python programming is a crucial aspect of software development. This study develops an automated bug detection system using feature extraction based on Abstract Syntax Tree (AST) and a Random Forest Classifier model. The dataset consists of 100 manually classified bugged files and 100 non-bugged files. The model is trained using structural code features such as the number of functions, classes, variables, conditions, and exception handling. Evaluation results indicate an accuracy of 86.67%, with balanced precision and recall across both classes. Confusion matrix analysis identifies the presence of false positives and false negatives, albeit in relatively low numbers. The accuracy curve suggests a potential overfitting issue, as training accuracy is higher than testing accuracy. This study demonstrates that the combination of AST-based feature extraction and Random Forest can be an effective approach for automated bug detection, with potential improvements through model optimization and a larger dataset.
KLASIFIKASI PENYAKIT KATARAK BERDASARKAN CITRA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS WEB Diki Hananta Firdaus; Bahtiar Imran; Lalu Darmawan Bakti; Emi Suryadi
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 1 No. 3 (2022): Desember 2022
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v1i3.6

Abstract

Mata adalah alat indera pada manusia yang berfungsi sebagai organ penglihatan. Gangguan penglihatan yang sangat memprihatinkan adalah masalah kebutaan. Mengacu pada data World Health Organization (WHO) tahun 2018, katarak menyumbang sekitar 48% kasus kebutaan di dunia dan nomor satu di Indonesia. Mata katarak dengan mata normal di masyarakat sekitar masih sulit untuk dibedakan, Sehingga masyarakat sering tidak menyadari ketika terindikasi penyakit katarak. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit katarak sebelum terjadi kebutaan. Dengan berkembangnya teknologi, pendeteksian dan klasifikasi katarak menjadi lebih mudah dengan adanya pengolahan citra digital. Pada penelitian ini penulis membuat suatu aplikasi Machine Learning untuk mengidentifikasi antara mata katarak dan mata normal dengan menggunakan metode Convolutional Neural Network (CNN) berbasis web. Dataset yang digunakan adalah 512 citra digital dengan pembaruan 2 kelas yaitu kelas katarak dan kelas normal. Dataset diambil dari sebuah website yang bergerak di bidang data sience yang bernama Kaggle. Pembelajaran mesin menggunakan Epoch 1, epoch 10 dan epoch 25. Pada epoch 1 mendapatkan hasil akurasi model sebesar 52,20%, epoch 10 mendapatkan akurasi sebesar 89,15% dan epoch 25 mendapatkan hasil akurasi sebesar 99,74%. Hasil terbaik yang didapatkan model adalah 99,74%. Hasil pengujian model menggunakan metode CNN ini dapat bekerja dengan sangat baik untuk memprediksi penyakit katarak pada mata.
KLASIFIKASI PENYAKIT EARLY BLIGHT DAN LATE BLIGHT PADA TANAMAN TOMAT BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CNN BERBASIS WEBSITE Nining Putri Ningsih; Emi Suryadi; Lalu Darmawan Bakti; Bahtiar Imran
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 1 No. 3 (2022): Desember 2022
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v1i3.10

Abstract

Tomat merupakan salah satu tanaman hortikultura di Indonesia yang sangat rentan terserang penyakit. Petani akan mengalami kesulitan untuk mengidentifikasi penyakit pada daun tanaman tomat, jika hanya dilihat secara kasat mata saja. Hal tersebut dapat menyebabkan kesalahan dalam penanggulangannya, sehingga dapat menyebabkan turunnya hasil produksi serta memungkinkan terjadinya gagal panen pada tanaman tomat. Oleh karena itu dibutuhkan aplikasi yang membantu petani untuk mengklasifikasi Penyakit Early Blight dan Late Blight pada daun tomat. Proses klasifikasi ini menggunakan citra daun dengan metode Convolutional Neural Network. Dataset yang digunakan 4.000 citra dengan 2 jenis penyakit yaitu Early Blight dan Late Blight. Penggunaan Algoritma CNN menghasilkan akurasi yang tinggi, proses training data menenggukan learning rate 0,0001 dan batch size 20. Epoch 1 menghasilkan loss 98%, akurasi 53%, Recall 46%. Epoch 10 menghasilkan 20, loss 34%, akurasi 85%, recall 81%. Epoch 20 menghasilkan loss 22%, akurasi 94%, recall 95%. Epoch 100 mengasilkan loss 5%, akurasi 99%, dan recall 85%, akan digunakan untuk proses klasifikasi karena menghasilkan akurasi dan recall yang tinggi, serta loss yang kecil. Model CNN tersebut akan di implementasikan ke website dengan menggunakan framework flask.
Implementasi Internet Of Things Untuk Efektivitas Pemantauan Suhu Ruangan Secara Otomatis Menggunakan WhatsApp Ema Zulfaningsih; Emi Suryadi; Ardiyallah Akbar
Journal of Computer Science and Technology (JOCSTEC) Vol 2 No 3 (2024): JOCSTEC - September
Publisher : PT. Padang Tekno Corp

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/jocstec.v2i3.420

Abstract

Suhu ruangan mempunyai pengaruh yang signifikan terhadap kenyamanan dan produktivitas seseorang dalam berbagai aktivitas, baik saat bekerja maupun saat istirahat. Suhu yang terlalu panas dapat mengganggu fungsi tubuh dan memicu keringat berlebih yang pada akhirnya berujung pada rasa lelah. Sebaliknya suhu yang terlalu dingin dapat menurunkan konsentrasi karena dapat menyebabkan rasa kaku pada tubuh. Menggunakan kipas angin sudah menjadi kebutuhan bagi banyak orang untuk menjaga kenyamanan kamarnya. Namun penggunaan kipas angin seringkali tidak efisien sehingga mengakibatkan pemborosan energi dan peningkatan tagihan listrik. Kipas angin sering menyala meski ruangan sedang tidak digunakan atau pemiliknya tidak ada di rumah. Penelitian ini bertujuan untuk merancang perangkat berbasis IoT yang mampu memonitor suhu ruangan secara otomatis. Perangkat ini juga secara otomatis mengontrol suhu ruangan, memungkinkan pengguna memantau suhu dari jarak jauh dan mengurangi tagihan energi. Penelitian ini berfokus pada pengembangan sistem kendali suhu otomatis menggunakan sensor suhu DHT11, dengan notifikasi suhu dikirim melalui WhatsApp. Metode yang digunakan dalam penelitian ini yaitu metode prototype dimana pada siistem ini menggunakan sensor DHT11 untuk mendeteksi suhu ruangan, WhatsApp sebagai media pengiriman notifikasi, dan Arduino Uno sebagai pengolah data. Hasil pengujian menunjukkan bahwa perangkat ini dapat berfungsi secara optimal dalam mengatur suhu ruangan secara otomatis menggunakan sensor suhu.
Peningkatan Keterampilan Bahasa Inggris Berbasis Deep Learning melalui The Santri Glow dan Pelatihan Manajemen Informasi di MA NW Suwangi: Improving the Skills in English Based on Deep Learning through the Santri Glow Application and Information Management Training at MANW Suwangi Indriana, Pathul; Suryadi, Emi; Hadi, Zulfan
DARMADIKSANI Vol 5 No 3 (2025): Edisi November (Special Edition)
Publisher : Jurusan Pendidikan Bahasa dan Seni, FKIP, Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/darmadiksani.v5i3.8852

Abstract

Kegiatan Pengabdian kepada Masyarakat ini bertujuan untuk meningkatkan keterampilan bahasa Inggris dan kapasitas manajemen informasi digital di MANW Suwangi Lombok Timur melalui penerapan teknologi pembelajaran berbasis Deep Learning menggunakan aplikasi The Santri Glow serta pelatihan pengelolaan situs web sekolah. Program dilaksanakan melalui dua rangkaian pelatihan utama, yaitu pelatihan bahasa Inggris selama dua hari dan pelatihan sistem informasi sekolah bagi operator. Untuk mengukur efektivitas pelatihan bahasa Inggris, dilakukan pre-test dan post-test dengan total 10 butir soal yang mencakup empat keterampilan: Listening, Speaking, Reading, dan Writing. Sebanyak 28 siswa mengikuti tes, dengan rata-rata skor pre-test sebesar 4,21, meningkat menjadi 5,93 pada post-test. Sebanyak 23 siswa mengalami peningkatan, 5 siswa tetap, dan tidak ada siswa yang mengalami penurunan. Analisis per keterampilan juga menunjukkan peningkatan merata, terutama pada Writing dan Speaking. Selain itu, pendampingan pengelolaan situs web sekolah menghasilkan peningkatan kemampuan operator dalam mengelola konten digital, memperbarui informasi sekolah, serta menggunakan platform WordPress secara mandiri. Secara keseluruhan, program PKM ini menunjukkan bahwa pemanfaatan teknologi interaktif yang relevan dengan minat digital siswa mampu meningkatkan motivasi dan kemampuan belajar, sekaligus memperkuat kapasitas sekolah dalam menyediakan layanan informasi yang lebih baik. Hasil ini menjadi landasan untuk pengembangan program lanjutan guna memastikan keberlanjutan dan perluasan dampak teknologi di lingkungan madrasah.
Co-Authors Ahmad Yani Ahmad Yani ahmad yani Akbar, Ardiyallah Ardiyallah Akbar Arwidiyarti, Dwinita Aspari, Roni Astutik Zaerani Aulia, Asma Ayu Awanda Aerin Maesyarani Beni Ari Hidayatulloh Beni Ary Hidayatullah Buchtami, Lalu Reza Dedi Supriadi Diki Hananta Firdaus Efendi, Muhamad Masjun Ema Zulfaningsih Erfan Wahyudi Fadlun Mudin Giardi, Muh Hamzah Andung Hadi, Zulfan Hamzan Wadi Henni Comala Hikmi Imran, Bahtiar indriana, pathul Juniyardi, Lalu Karim, Muh Nasirudin Karina Nurwijayanti Karina Nurwijayanti Lalu Darmawan Bakti, Lalu Darmawan Lalu Delsi Samsumar, M.Eng. Lalu Efendi Novian Lalu Moh. Nurkholis M. Zulpahmi Maspaeni Maspaeni Moh Subli Moh. Subli Mudin, Fadlun Nining Putri Ningsih Novian, Lalu Efendi NUR FAUZIAH Nurkholis, Lalu Moh. Nurul Yakin Nurul Yakin Nurul Yakin Rudi Muslim Rudi Muslim Said, Syukroni Selamet Riadi Selamet Riadi Subli Kerta Yan Santosa Yumarlin MZ Zaeniah Zaeniah Zaenudin Zaenudin Zaenudin Zaenudin Zaenudin Zulpahmi, M. Zulpan Hadi