Article Per Year (5 Year)
p-Index From 2020 - 2025
3.734
P-Index
This Author published in this journals
All Journal Maslahah : Jurnal Hukum Islam dan Perbankan Syariah Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Journal of Telematics and Informatics Jurnal Simantec Jurnal Pendidikan Bahasa Indonesia Metodik Didaktik Konvergensi Jurnal Riset Teknologi dan Inovasi Pendidikan (Jartika) Jurnal Mantik JATI (Jurnal Mahasiswa Teknik Informatika) BERNAS: Jurnal Pengabdian Kepada Masyarakat Jurnal Diksatrasia : Jurnal Ilmiah Pendidikan Bahasa dan Sastra Indonesia Eduvest - Journal of Universal Studies Jurnal Rekayasa Sistem Informasi dan Teknologi
Habib, Ahmad
Universitas 17 Agustus 1945 Surabaya
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Neuroscience Nursing Public Health Social Sciences Veterinary Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 24 Documents
Search

 1   2   3 
MODEL KLASTERISASI DAN ANALISIS SISTEM REKOMENDASI KEPADA PENGGUNA PERPUSTAKAAN UNIVERSITAS 17 AGUSTUS 1945 SURABAYA MENGGUNAKAN K-MEANS Mochammad Rizki Firmansyah; Habib, Ahmad
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 2 No. 2 (2024): November
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70248/jrsit.v2i2.1306

Abstract

Dalam situasi ini, analisis data menjadi alat yang sangat penting untuk memahami minat membaca pengguna dan mengukur minat mereka terhadap sistem rekomendasi perpustakaan. Untuk menganalisis minat membaca pengguna, algoritma pembelajaran mesin K-means dapat digunakan untuk memberikan informasi yang lebih mendalam dan efektif. Tujuan penelitian ini adalah mengembangkan model clustering menggunakan K-Means untuk menganalisis dan mengklasterkan sistem rekomendasi bagi pengguna perpustakaan melalui top 3 buku pada setiap prodi dengan mengelompokkannya berdasarkan 3 digit pertama NIM (Nomor Induk Mahasiswa). K-Means adalah algoritma clustering yang umum dan mudah dipahami. K-Means clustering adalah algoritma partisi data mining yang populer dan mudah digunakan untuk mengelompokkan data yang tidak berlabel ke dalam kelompok (cluster) berdasarkan kesamaan. Algoritma K-Means bekerja dengan mengelompokkan data berdasarkan jarak ke centroid dan  menghitung ulang centroid berdasarkan cluster yang telah terbentuk. Hasil yang didapat dari pengujian yang telah dilakukan dengan metode K-Means adalah didapatkan 16 jumlah cluster berdasarkan pengelompokkan NIM (Nomor Induk Mahasiswa), dari pengelompokan NIM (Nomor Induk Mahasiswa) tersebut menghasilkan rekomendasi buku berupa 3 judul buku dengan frekuensi peminjaman pada setiap pengelompokannya atau clusternya.
Implementation Of Convolutional Neural Network For Diagnosing Rice Plant Diseases Using Colab Python Integrated With Streamlit Habib, Ahmad; Yahya, Haydar
Jurnal Mantik Vol. 8 No. 4 (2025): February: Manajemen, Teknologi Informatika dan Komunikasi (Mantik)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/mantik.v8i4.6003

Abstract

Agriculture, particularly rice cultivation, is crucial for Indonesia's food security; however, production is often hindered by pests and diseases. With over 30 million hectares of rice fields and millions of farmers relying on this staple crop, the impact of these challenges is significant, threatening both livelihoods and national food supply. This study aims to develop a rice plant disease diagnosis system using Convolutional Neural Network (CNN) methods implemented in a Streamlit-based application. Data were obtained from an open dataset on Kaggle, which includes images of healthy and infected rice leaves. The Streamlit application facilitates users in uploading images and receiving real-time diagnoses. Results show that the CNN model achieved an accuracy of 96.03% in identifying diseases, demonstrating a strong ability to recognize patterns in leaf images. This system offers an efficient solution to help farmers quickly and accurately detect rice diseases, contributing to increased agricultural productivity and food security in Indonesia
RANCANG BANGUN SISTEM INFORMASI ABSENSI BERBASIS LOKASI DAN FACE RECOGNITION DENGAN PROGRESSIVE WEB APPS (PWA) UNTUK MENENTUKAN SISWA UNGGUL MENGGUNAKAN METODE SAW DI SMKN 2 NGAWI Bachtiar, Yunus Dwi; Habib, Ahmad; Koesdijarto, Roenadi
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13044

Abstract

Perkembangan teknologi informasi telah mendorong sektor pendidikan untuk mengadopsi sistem digital guna meningkatkan efisiensi operasional. Proyek tugas akhir ini bertujuan merancang dan mengembangkan sistem informasi absensi berbasis lokasi menggunakan Progressive Web Apps (PWA) dan metode Simple Additive Weighting (SAW) untuk menentukan siswa berprestasi di SMKN 2 Ngawi. Sistem ini diusulkan untuk mengatasi masalah pada sistem absensi manual yang rentan terhadap kesalahan dan kecurangan.Metodologi pengembangan mencakup studi literatur, analisis kebutuhan, perancangan, pengembangan, dan pengujian sistem. Teknologi yang digunakan meliputi framework Code Igniter dan basis data MySQL. Dengan penerapan PWA, diharapkan pengelolaan data absensi siswa menjadi lebih optimal. Fitur utama sistem mencakup absensi berdasarkan lokasi dan face recognition serta penilaian keaktifan siswa menggunakan metode SAW. Pengujian dilakukan dengan metode black box untuk memastikan fungsi sistem berjalan sesuai spesifikasi dan menguji akurasi metode SAW. Dengan Implementasi sistem dengan hasil dari pengujian 96.76% diharapkan aplikasi berbasis web ini dapat mempermudah pencatatan kehadiran serta memungkinkan admin dan guru pengampu dikelas dapat memantau data absensi secara real-time
Implementation of User-Centered Design to Improve User Experience in Patient Queuing System (Case Study: Rs.Al-Irsyad Surabaya) Ningsih, Anisa Wahyu; Abdillah, Naufal; Hermanto, Agus; Habib, Ahmad
Eduvest - Journal of Universal Studies Vol. 5 No. 6 (2025): Eduvest - Journal of Universal Studies
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/eduvest.v5i6.50243

Abstract

This study aims to improve the user experience and efficiency of the patient queuing system at Al-Irsyad Surabaya Hospital through the implementation of User-Centered Design (UCD). The background highlights the challenges faced by the hospital, including long patient waiting times and low adoption of digital registration due to an unintuitive interface. The research objectives focus on redesigning the system to enhance usability, performance, and security while addressing user needs. A quantitative approach was employed, involving online surveys, iterative prototyping with Figma, and usability testing using the System Usability Scale (SUS) and FURPS++ framework. Key findings revealed that the redesigned application achieved an excellent SUS score of 87, with high functionality (100% success rate in registration), reliability (stable under 50 simultaneous users), and security (AES-256 encryption). Heuristic evaluation identified strengths in "Recognition Rather Than Recall" (score: 4.91) and areas for improvement in "Match Between System and Real World" (score: 4.36). The implications of this research include a 40% reduction in waiting times and increased patient satisfaction, demonstrating the effectiveness of UCD in healthcare digitization. Recommendations for future development include optimizing the interface for small screens and integrating real-time waiting time predictions.
Co-Authors Abdillah, Naufal Agus Hermanto Andrey Kartika W. H. Ardiyanti, Christin Bachtiar, Yunus Dwi Balok Hariadi Balok Hariadi Dafid Ainur Rozi Edwin Pramana Elsen Ronando Erry Utomo Fatihuddin, Fatihuddin Hartarto Junaedi I Made Astra Ipani, Dea Koesdijarto, Roenadi Koesdijarto, Roenardi Kusnanto, Gery Lasmawati, Fina Kurnia Lestari, Krisna Puji Maulana, Rizqi Slamet Mochammad Rizki Firmansyah Mohamad Syarif Sumantri Muhamad Firdaus Muhammad Syarifuddin Naufal Abdillah Ningsih, Anisa Wahyu Nurhasanah, Ferdike Octaviani, Ayuni Pratamaputra, Arryangga Aliev Purnamawati, Wasi Richardo Zefanya Damarjanan Rifki Satya Romi Isnanda Sajiyo Sajiyo, Sajiyo Siswoyo Siswoyo Sunan, Muhamat Tan Evan Tandiyono Wibowo, Achmad Dicky Yahya, Haydar Yoyo Hambali