Article Per Year (5 Year)
p-Index From 2021 - 2026
3.049
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Pamator : Jurnal Ilmiah Universitas Trunojoyo Madura REKAYASA Jurnal Ilmiah Pangabdhi Journal of Computer Science and Informatics Engineering (J-Cosine) Jurnal Pendidikan Bahasa dan Sastra Indonesia Metalingua EPI International Journal of Engineering Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Ilmiah Edutic : Pendidikan dan Informatika Nuris Journal of Education and Islamic Studies Sains Data Jurnal Studi Matematika dan Teknologi Jurnal Pemberdayaan Masyarakat dan Komunitas
Ana Tsalitsatun Ni'mah
Universitas Trunojoyo Madura
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Mathematics Physics Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Optimalisasi Peran Desa Wisata Pesisir Sumenep untuk Peningkatan Kesejahteraan Ekonomi Masyarakat Winata, A. Yahya Surya; Wijayani, Qoni'ah Nur; Ni'mah, Ana Tsalitsatun
Jurnal Ilmiah Pangabdhi Vol 11, No 2: Oktober, 2025
Publisher : LPPM Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/pangabdhi.v11i2.28641

Abstract

The development of tourist villages is an effective strategy to enhance the economic welfare of communities, particularly in coastal areas rich in natural and cultural potential. This article discusses a community service program focused on optimizing tourist villages in the coastal areas of Sumenep. The activities include training on tourism management, empowering local communities through tourism-based skill development, digital promotion, and strengthening economic institutions such as Village-Owned Enterprises (BUMDes). The results indicate an increase in the community's capacity to manage tourism potential, a rise in the number of tourist visits, and a positive impact on the local community's income. Through strong collaboration among the community, government, and relevant stakeholders, optimizing tourist villages can create a sustainable tourism ecosystem while supporting the welfare of coastal communities in Sumenep.
Question Answering Berbasis Transformer pada Koleksi Hadis Kutubut Tis’ah untuk Pembelajaran Pendidikan Agama Islam Ni’mah, Ana Tsalitsatun; Kamajaya, Riva Ananda Yuanova; Sari, Ariesta Kartika
Nuris Journal of Education and Islamic Studies Vol. 6 No. 1: 2026
Publisher : Institut Nurul Islam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52620/jeis.v6i1.229

Abstract

Perkembangan teknologi Natural Language Processing (NLP) berbasis Transformer telah mendorong inovasi dalam sistem Question Answering (QA). Dalam konteks pembelajaran hadis di Pendidikan Agama Islam, akses terhadap koleksi Kutubut Tis’ah masih menghadapi kendala dalam pencarian informasi yang cepat dan kontekstual. Oleh karena itu, diperlukan sistem cerdas yang mampu memahami pertanyaan pengguna dan memberikan jawaban yang relevan secara otomatis. Penelitian ini mengembangkan sistem Question Answering berbasis Transformer dengan memanfaatkan model pra-latih BERT (Bidirectional Encoder Representations from Transformers). Tahapan penelitian meliputi pengumpulan dan praproses data hadis Kutubut Tis’ah, anotasi dataset, perancangan arsitektur model, pelatihan, serta pengujian sistem. Dataset dibagi menjadi data latih dan data uji dengan proporsi 80:20. Evaluasi dilakukan menggunakan metrik Exact Match (EM) dan F1-score untuk mengukur performa model. Hasil pengujian menunjukkan bahwa model yang dikembangkan memperoleh nilai Exact Match (EM) sebesar 78,6% dan F1-score sebesar 86,3%. Sistem mampu memberikan jawaban yang relevan dan kontekstual terhadap berbagai variasi pertanyaan pengguna, serta berhasil mengidentifikasi bagian teks hadis yang sesuai sebagai jawaban dengan tingkat akurasi yang baik. Penerapan model Transformer terbukti efektif dalam meningkatkan kualitas pencarian informasi hadis dibandingkan metode konvensional berbasis pencocokan kata kunci. Sistem ini berpotensi menjadi media pembelajaran hadis yang interaktif, efisien, dan mudah diakses.
Deteksi Penyakit Pada Daun Tanaman Padi Berbasis Yolov8 Yasid, Achmad; Ni’mah, Ana Tsalitsatun; Ramadhaningtias, Risma; Wahyuningrum, Rima Tri
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 13 No 2: April 2026
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.132

Abstract

Padi (Oryza sativa) merupakan sumber pangan utama di Indonesia yang rentan terhadap serangan penyakit daun seperti Brown Spot, Hispa, dan Leaf Blast. Penyakit ini menghambat fotosintesis dan berdampak pada produktivitas, sehingga deteksi dini sangat penting. Penelitian ini menerapkan metode deteksi objek berbasis YOLOv8n untuk mengidentifikasi tiga penyakit daun padi. Dataset yang digunakan terdiri dari 1.999 citra, yang mencakup 1.867 citra dari Kaggle Repository dan 132 citra hasil pengambilan data lokal di Bangkalan, Jawa Timur. Dataset dibagi menjadi 70% untuk pelatihan, 20% validasi, dan 10% pengujian. Evaluasi model menggunakan metrik mean Average Precision (mAP) dengan delapan skenario pelatihan, yakni kombinasi batch size (16, 32), epoch (100, 300), serta penggunaan augmentasi dan tanpa augmentasi. Hasil menunjukkan bahwa konfigurasi batch size 32 dengan 100 epoch, tanpa augmentasi menghasilkan performa terbaik dengan mAP sebesar 76,5%. Temuan ini menunjukkan bahwa YOLOv8n merupakan metode yang akurat, efisien, dan potensial untuk diimplementasikan pada perangkat mobile sebagai sistem peringatan dini penyakit daun padi.   Abstract Rice (Oryza sativa) is a major food source in Indonesia that is susceptible to leaf diseases such as Brown Spot, Hispa, and Leaf Blast. These diseases inhibit photosynthesis and impact productivity, so early detection is very important. This study applies the YOLOv8n-based object detection method to identify three rice leaf diseases. The dataset used consists of 1,999 images, which includes 1,867 images from the Kaggle Repository and 132 images from local data collection in Bangkalan, East Java. The dataset is divided into 70% for training, 20% validation, and 10% testing. The evaluation model uses the mean Average Precision (mAP) metric with eight training scenarios, namely a combination of batch size (16, 32), epochs (100, 300), and the use of augmentation and without augmentation. The results show that the configuration of batch size 32 with 100 epochs, without augmentation produces the best performance with an mAP of 76.5%. These findings indicate that YOLOv8n is an accurate, efficient, and potential method to be implemented on mobile devices as an early warning system for rice leaf diseases.
Co-Authors Abdul Rohman Achmad Yasid Agus Zainal Arifin Arief Setyawan Ariesta Kartika Sari Asno Azzawagama Firdaus Bain Khusnul Khotimah Darmasaputra, Adam Devie Rosa Anamisa Dewi, Suryani Kurnia Diana, Luluk Mauli Dianatin Nisak Dwi Ari Suryaningrum Fadlillah, M Fahdiyanti, Desi Hela Fahmi Syuhada Fahmi, Muhammad Naufal Fatma, Diniyatul Firdaus Solihin Firmandika, Syafarian Fitriyah, Maulidah Fuadi, Ach. Fuaida, Risma Ilma, Alfadlilah Intan Sukma Juniaristha Jamiatus Sholihah Kamajaya, Riva Ananda Yuanova Kamil, Alvin Laili, Immatul Lestari, Nur Fadilah Eka Maghfiroh, Titin Lailatul Muchamad Arif, Muchamad Nuralifah, Novita Nurfitria Ningsih Pertiwi, Kharisma Monika Dian Puandini, Puandini Putri, Yiyin Noriyah Rahman, Bohri Ramadhaningtias, Risma Rika Yunitarini Rima Tri Wahyuningrum Rizaludin, Darian Sari, Ita Uliyah Sa’adatai, Yuan Shevia Ilfa Melia Siti Rochimah Siti Rofiqoh, Siti Soleha, Renita Stefany, Evy maya Sulton Nawawi Syuhada, Fahmi Tahir, Muhlis Tajuddin, Muhammad Toyibah, Zulfah Binti Toyybah, Khafidotun Wanda Ramansyah Widodo, Zalsa Maulina Wijayani, Qoni'ah Nur Winata, A. Yahya Surya Yuliana Rakhmawati, Yuliana Yusfila, Fathul Qorib