Article Per Year (5 Year)
p-Index From 2021 - 2026
2.908
P-Index
This Author published in this journals
All Journal Jurnal Simetris REKAYASA Jurnal Informatika dan Teknik Elektro Terapan Register: Jurnal Ilmiah Teknologi Sistem Informasi Mobile and Forensics Journal of Robotics and Control (JRC) Jurnal Abdi Insani SainsTech Innovation Journal Jurnal Ilmiah Edutic : Pendidikan dan Informatika Jurnal Pengabdian kepada Masyarakat Scientific Journal of Informatics SainsTech Innovation Journal
Syuhada, Fahmi
Unknown Affiliation
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Neuroscience Physics Social Sciences Other

Published : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 Documents
Search

 1   2 
Aplikasi Belajar Huruf Hijaiyah Berbasis Audio Visual Menggunakan Bahasa Java Ali, Haerul Azwar; Syuhada, Fahmi; Anwariyah, Komariyuli; Sa'adati, Yuan
SainsTech Innovation Journal Vol. 5 No. 2 (2022): SIJ Volume 5 Nomor 2 November 2022
Publisher : LPPM Universitas Qamarul Huda Badaruddin

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

Abstract

Mengenal huruf hijaiyah dapat dipelajari dari usia 3 tahun ke atas atau seraya anak itu sudah mulai bisa berbicara. Mempelajari huruf hijaiyah merupakan suatu keharusan bagi setiap muslim. Pembelajaran huruf hijaiyah biasanya dilakukan dengan berpedoman pada buku, poster, dan lain lain. Metode belajar ini terlalu monoton, sehingga diperlukan metode pembelajaran yang bisa meningkatkan minat anak-anak, seperti menggunakan teknologi. Penelitian ini merancang bangun aplikasi belajar huruf hijaiyah berbasis audio visual menggunakan bahasa java. Dalam perancangan aplikasi pembelajaran ini peneliti menggunakan bahasa pemrograman java murni dikembangkan dengan Java Netbeans IDE, audio record suara pelafalan huruf hijaiyah yang diolah dengan Adobe Audition, visual Gambar huruf hijaiyah yang diolah dengan Adobe Illustrator. Penelitian ini menghasilkan sebuah aplikasi pembelajaran huruf hijaiyah yang mampu meningkatkan daya ingat, syaraf motorik anak dalam mempelajari huruf hijaiyah. Fitur yang terdapat pada aplikasi yang dirancang yaitu fitur tombol keyboard huruf hijaiyah, fitur mengenal huruf hijaiyah, fitur baris atas, fitur baris bawah, fitur baris dua, fitur baris dhammah. berdasarkan hasil survei yang dilakukan ke pengguna didapatkan hasil pengujian yang baik dengan persentase 80persen responden menjawab baik setelah melakukan uji coba.
Sistem Pakar Dengan Metode Decision Tree Untuk Rekomendasi Wisata Di Kabupaten Lombok Timur Hidayatullah, Zahid; Anwariyah, Komariyuli; Sa'adati, Yuan; Syuhada, Fahmi
SainsTech Innovation Journal Vol. 5 No. 2 (2022): SIJ Volume 5 Nomor 2 November 2022
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v5i2.2022.416

Abstract

Sistem pakar adalah sistem komputer yang mampu menirukan penalaran seorang pakar dengan keahlian pada suatu pengetahuan tertentu. Saat ini, banyak wisatawan pergi travelling ke daerah Lombok Timur. Namun, mereka masih bingung dalam menentukan destinasi wisata yang mau dikunjungi karena wisatawan yang masih belum mengenal dan mengetahui wisata yang ada di Lombok Timur. Paper ini mengusulkan penelitian pengembangan sistem pakar rekomendasi untuk tujuan wisata menggunakan metode decision tree untuk mempermudah wisatawan dalam menentukan tujuan wisata di Kabupaten Lombok Timur. Penelitian menghasilkan sebuah sistem aplikasi pakar rekomendasi wisata di Kabupaten Lombok Timur dengan mengimplementasikan Decision Tree. Sistem dibangun menggunakan bahasa HTML dan CSS untuk sisi tampilannya dan Mysql untuk basis datanya. Berdasarkan hasil pengujian yang telah dilakukan didapatkan hasil kepuasan pengguna dengan nilai parameter kepuasan Baik, Cukup, Kurang yaitu masing-masing bernilai 79%, 18%, dan 3 %.
Perancangan Sistem Absensi Berbasis Website Pada Pegawai Dan Dosen Fakultas Sains Dan Teknologi Universitas Qamarul Huda Badaruddin Bagu (UNIQHBA) Fitriyah, Ida; rosika, herliana; Syuhada, Fahmi
SainsTech Innovation Journal Vol. 6 No. 1 (2023): SIJ Volume 6 Nomor 1 Mei 2023
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v6i1.2023.473

Abstract

Abstract: A good academic information system is needed to support academic activities in an agency so that it is expected to facilitate the work of employees to find information and process data. One of the important things in an agency is employee attendance activities. At Qamarul Huda Badaruddhin University, employees perform attendance by using fingerprint and face recognize tools as evidence of attendance which is located in the health faculty building, or adjacent to the science and technology faculty building. However, the faculty of science and technology itself does not yet have an attendance system, to help employees and lecturers at the faculty of science and technology perform attendance easily, a special attendance system is needed at the faculty so as to make it easier for employees and lecturers at the faculty of science and technology to attend attendance without the need for a building. faculty of health and manage attendance data based on the time and date entered so that attendance data can be recapitulated easily and quickly for academic data purposes. attendance data. The coding of the system is done using Javascript, PHP, and MYSQL. The result of this research is the design of a website-based attendance system for employees and lecturers to attend attendance at the Faculty of Science and Technology, Qamarul Huda Badaruddin Bagu University Abstrak: Sistem informasi akademik yang baik sangat dibutuhkan untuk mendukung kegiatan akademik pada suatu instansi sehingga diharapkan dapat mempermudah pekerjaan pegawai untuk mencari informasi dan mengolah data. Salah satu yang penting pada suatu instansi adalah kegiatan absensi pegawai. Pada Universitas Qamarul Huda Badaruddhin, pegawai melakukan absensi dengan menggunakan alat fingerprint dan face recognize sebagai tanda bukti kehadiran yang letaknya di gedung fakultas kesehatan,atau yang bersebelahan dengan gedung fakultas sains dan teknologi. Namun, pada fakultas sains dan teknologi sendiri belum mempunyai sistem absensi, untuk membantu pegawai dan dosen pada fakultas sains dan teknologi melakukan absensi dengan mudah, maka diperlukan sistem absensi khusus pada fakultas sehingga mempermudah pegawai dan dosen pada fakultas sains dan teknologi melakukan absensi tanpa perlu kegedung fakultas kesehatan dan mengelola data absensi berdasarkan waktu dan tanggal yang diinputkan sehingga data absensi ini dapat direkap dengan mudah dan cepat untuk keperluan data akademik.Sistem absensi berbasis website ini dirancang berdasarkan (Unived Modelling Language) UML dan menggunakan fitur kamera untuk melakukan absensi sehingga mencegah manipulasi data absensi. Pengkodean sistem dilakukan dengan menggunakan Javascript, PHP, dan MYSQL.Hasil dari penelitian ini adalah rancang bangun sistem absensi berbasis website untuk pegawai dan dosen melakukan absensi pada Fakultas Sains dan Teknologi Universitas Qamarul Huda Badaruddin Bagu.
PERANCANGAN APLIKASI WIRID BAGU BERBASIS WEB Syuhada, Fahmi; Saputra, Irwan Adi; Anwariyah, Komariyuli; Rosika, Herliana
SainsTech Innovation Journal Vol. 6 No. 2 (2023): SIJ Volume 6 Nomor 2 November 2023
Publisher : LPPM Universitas Qamarul Huda Badaruddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37824/sij.v6i2.2023.613

Abstract

Wirid merupakan Kumpulan dzikir dan doa yang sehari hari tetep kita kerjakan atau amalan terutama bagi santri qamarul huda dan Masyarakat. Dalam pengamalannya Wirid tidak dapat dilakukan begitu saja ditengah aktifitas yang padat dan mobilitas yang tinggi. Dengan adanya teknologi akan menjadi lebih praktis jika kita membacanya lewat media handphone. Kita tidak perlu membawa lagi membawa buku kemana-mana. Membaca lebih mudah karena itulah penelitian ini bertujuan untuk merancang Aplikasi Wirid Bagu berbasis web. Aplikasi Wirid Bagu Berbasis web ini dengan tujuan yang diinginkan yang mengandug materi tentang Wirid Blagu, Wirid Bagu ini juga terdiri dari teks amalan yang menggunakan bahasa Arab yang sudah disediakan didalan aplikasi serta dilengkapi dengan terjemahan dan keutamaanya
Text Mining untuk Analisis Kasus Stunting di Nusa Tenggara Barat Syuhada, Fahmi; Sa'adati, Yuan; Apriani, Lia Arian; Lonang, Syahrani; Putra, Ahmad Fatoni Dwi
EDUTIC Vol 12, No 1: 2025
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/edutic.v12i1.29522

Abstract

Pemberitaan stunting yang menjadi permasalahan nasional khususnya di provinsi Nusa Tenggara Barat (NTB) sudah masif tersedia pada dunia maya beberapa tahun terakhir. Oleh sebab itu analisis terhadap trend pemberitaan kasus ini sangat menarik dilakukan. Tujuannya yaitu melihat istilah-istilah kata yang berhubungan dengan kata pada pemberitaan stunting. Dengan ini akan diketahui istilah-istilah atau kata-kata dan pola komunikasi publik terkait isu stunting di NTB. Penelitian ini  mengusulkan penerapan teknik Text Mining dalam menganalisis trend stunting NTB pada pemberitaan dunia maya. Data dikoleksi dari portal berita dengna query yang berkaitan dengan stunting NTB dari tahun 2018 hingga 2024. Penerapan metode text mining seperti preprocessing, ekslorasi data (EDA) dan Latent Dirichlet Allocation (LDA) hingga visualisasi hasil digunakan untuk reprensi trend tersebut. Kontribusi penelitian difokuskan pada bagaimana analisis trend berdasarkan tiga kumpulan corpus yaitu trend Utama Stunting, Sebab, dan Dampak. Analisis tren NTB menunjukkan bahwa istilah stunting, gizi, dan air bersih mendominasi pemberitaan, mencerminkan fokus pada faktor kesehatan utama dalam pencegahan stunting. Faktor sosial seperti nikah muda dan pendidikan juga memiliki hubungan signifikan, menunjukkan perlunya pendekatan yang mencakup dimensi sosial dan budaya. Sementara itu, intervensi berbasis komunitas, seperti posyandu, berperan penting dalam mendukung edukasi dan pemantauan gizi anak. Namun, istilah geografis seperti Bima, meskipun sering muncul, tidak memiliki hubungan langsung dengan stunting, melainkan lebih terkait dengan konteks administratif. Keseluruhan analisis menegaskan perlunya pendekatan terintegrasi yang melibatkan faktor kesehatan, sosial, dan komunikasi publik yang efektif untuk menekan prevalensi stunting di NTB.
Convolutional Autoencoder for Reconstruction of Historical Document Images: Ancient Manuscript Babad Lombok Syuhada, Fahmi; Firdaus, Asno Azzawagama; Ni'mah, Ana Tsalitsatun; Sa’adatai, Yuan; Tajuddin, Muhammad
Rekayasa Vol 17, No 1: April, 2024
Publisher : Universitas Trunojoyo Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/rekayasa.v17i1.26101

Abstract

The Babad Lombok is an ancient literary or manuscripts document that generally contains stories about the origins of the people of Lombok. This document is written on a lontar leaf, which in the past was used to write manuscripts, letters, and documents. At present, the Babad Lombok document can be seen in the form of photos or scans, so it can be viewed without having to go to a museum or cultural heritage site where the document is usually exhibited. However, because this document is an ancient artifact that has been around for hundreds of years, it has naturally experienced fading in the original document or its scanned versions. This makes the text inside less clear. This paper proposes to automatically reconstruct/repair the Babad Lombok document using a neural network. The type of neural network used is an Autoencoder or Convolutional Autoencoder (CAE). The CAE model is built sequentially and trained using original images of Babad Lombok as its training data and manually corrected images of Babad Lombok as the target or ground truth data. In the process, the two types of data are iteratively cropped to a size of 64x64 along the original size of the Babad Lombok image. This process results in input and target data for the CAE training process in this research, each consisting of 48,288 images. Testing the trained autoencoder model shows that the Babad images have been successfully repaired, making the text quality clearer before reconstruction. Ultimately, the proposed CAE has achieved training and validation accuracies of 89.09% and 94.57%, with corresponding loss values of 0.0418 and 0.0226.
KLASIFIKASI CITRA TULISAN TANGAN AKSARA SASAK DENGAN METODE HISTOGRAM OF ORIENTED GRADIENTS DAN MULTINOMIAL LOGISTIC REGRESSION Syuhada, Fahmi
Jurnal Informatika dan Teknik Elektro Terapan Vol. 11 No. 3 (2023)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v11i3.3247

Abstract

Aksara Sasak adalah warisan budaya Lombok yang sangat penting untuk dilestarikan agar tidak punah diterpa perkembangan zaman. Paper ini mengusulkan perancangan model klasifikasi tulisan tangan untuk karakter aksara Sasak menggunakan metode Histogram of Oriented Gradient (HOG) dan Multinomial Logistic Regression (MLR). Metode HOG digunakan untuk melakukan ekstraksi fitur pada citra tulisan tangan aksara Sasak. Metode HOG dapat mendeskripsikan bentuk dari karakter berdasarkan nilai orientasi gradiennya. Kemudian, MLR merupakan metode yang digunakan untuk mengklasifikasikan hasil ekstraksi ciri. Dataset yang digunakan yaitu 1260 citra yang terdiri dari 70 citra tulisan tangan aksara sasak dari 18 karakter. Berdasarkan hasil pengujian yang dilakukan maka didapatkan nilai evaluasi akurasi, presisi, dan recal masing-masing sebesar 88%, 88%, dan 87%. Kemudian menggunakan proses bounding box dapat meningkatkan hasil evaluasi secara signifikan. Nilai evaluasi dapat ditingkatkan dengan menambah data set yang digunakan untuk pelatihan model.
Enhancing Early Diabetes Detection Using Tree-Based Machine Learning Algorithms with SMOTEENN Balancing Lonang, Syahrani; Putra, Ahmad Fatoni Dwi; Firdaus, Asno Azzawagama; Syuhada, Fahmi; Sa'adati, Yuan
Mobile and Forensics Vol. 8 No. 1 (2026)
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/mf.v8i1.14495

Abstract

Diabetes continues to be a critical global health issue, demanding accurate predictive systems to enable preventive interventions. Traditional diagnostic tests lack efficiency for large-scale early screening, which has led to growing interest in artificial intelligence solutions. This research proposed an effective methodology for diabetes classification based on tree-based algorithms enhanced with SMOTEENN balancing. The study employed the Kaggle Diabetes Prediction Dataset with 100,000 instances and eight medical and demographic features. Preprocessing steps included handling missing and duplicate values, encoding categorical variables, and scaling numerical attributes with Min-Max normalization. To address severe class imbalance, SMOTEENN was adopted, producing a cleaner and more balanced dataset. Model evaluation was performed using Stratified 5-Fold cross-validation on six classifiers: Decision Tree, Random Forest, Gradient Boosting, AdaBoost, XGBoost, and CatBoost. Experimental results indicated significant gains after balancing, with ensemble methods outperforming single-tree baselines. Random Forest delivered the best overall performance (98.93% accuracy, 98.96% F1-score, 99.16% recall, 99.94% AUC), followed by CatBoost and XGBoost with comparable results above 99% AUC. While Decision Tree benefited most from SMOTEENN in relative terms, it remained less competitive. Analysis of the importance of the analysis revealed HbA1c level and blood glucose level as dominant predictors, validating clinically meaningful learning. These findings suggest that integrating hybrid resampling with ensemble tree classifiers provides reliable and general predictions for diabetes risk. The approach holds promise for deployment in healthcare decision support systems.
Hybrid Feature Selection for Effective Heart Disease Detection: A Multi-Algorithm Machine Learning Approach Lonang, Syahrani; Putra, Ahmad Fatoni Dwi; Syuhada, Fahmi; Firdaus, Asno Azzawagama; Masitha, Alya
Scientific Journal of Informatics Vol. 13 No. 1: February 2026
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/sji.v13i1.38815

Abstract

Purpose: This research aims to develop an effective early detection model for heart disease with data balancing and hybrid feature selection. The study seeks to enhance predictive accuracy and minimize errors, providing a robust model for clinical decision support systems. Methods: The study used the Heart Failure Prediction dataset derived from Kaggle. A novel hybrid framework was implemented, integrating SMOTEENN (Synthetic Minority Over-sampling Technique + Edited Nearest Neighbors) for data balancing and a Hybrid Feature Selection (HFS) method combining Chi-square and Backward Elimination. Eight machine learning algorithms, including Logistic Regression, Naïve Bayes, Decision Tree, K Nearest Neighbor, Random Forest, Gradient Boosting, Support Vector Machine, and XGBoost. Performance was assessed based on accuracy, precision, recall, f1-score, specificity, AUC Score, fallout and miss rate. Result: The proposed framework significantly improved classification performance across all algorithms. The Random Forest model emerged as the optimal classifier, achieving an accuracy of 99.44%, AUC Score of 99.98%, and a specific reduction in miss rate to 0.92% (from 10.03% baseline). The HFS method successfully reduced the feature space by 54%, identifying 'ExerciseAngina', 'FastingBS', 'ST_Slope', 'ChestPainType', and 'Sex' as the most critical predictors. The model outperformed standard approaches and recent state-of-the-art benchmarks by over 10% in accuracy. Novelty: This study introduces a synergistic integration of SMOTEENN with hybrid feature selection. The combination significantly improves model performance in early heart disease detection.
Co-Authors Achmad Noerkhaerin Putra Adipta, Mara Zaenal Adipta, Marazaenal Adriyanto, Feri Afriansyah, M. Agus Zainal Arifin Ahmad Fatoni Dwi Putra Alfian Ma’arif Ali, Haerul Azwar Ana Tsalitsatun Ni'mah Anggarista, Randa Anwar, Miftahul Arif Mudi Priyatno Asno Azzawagama Firdaus Cholidhazia, Putri FITRIYAH, IDA Hidayatullah, Zahid Joko Slamet Saputro Joni Saputra Komariyuli Anwariyah Kumoro, Danang Tejo Maghfiroh, Hari Muhamad Yamin Muttaqi, Muhammad Mirza Pratama, Ramadhana Agung Rosika, Herliana Sa'adati, Yuan Saputra, Irwan Adi Sa’adatai, Yuan Syahrani Lonang Tajuddin, Muhammad Wiratmo, Agung