Article Per Year (5 Year)
p-Index From 2021 - 2026
2.109
P-Index
This Author published in this journals
All Journal JOURNAL OF APPLIED INFORMATICS AND COMPUTING Jurnal Pengabdian Al-Ikhlas Technologia: Jurnal Ilmiah Jurnal Pengabdian Masyarakat Asia Jurnal Computer Science and Information Technology (CoSciTech) Brilliance: Research of Artificial Intelligence Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS CARE: Jurnal Pengabdian Multi Disiplin SmartComp Jurnal Sains Sistem Informasi
Mahalisa, Galih
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Mathematics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Deteksi Spam Email Multibahasa: Menggunakan Cross-Lingual Transfer Learning Mahalisa, Galih; Alfah, Rina; Sanjaya, Hendra
Computer Science and Information Technology Vol 6 No 3 (2025): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v6i3.10107

Abstract

Targeting the challenge of text classification in Indonesian, which often faces a scarcity of adequate labeled data, this research adapts the pre-trained language model BERT-base-multilingual-cased, which was trained on a large multilingual corpus. The strategy involves two stages: first, the model is fine-tuned on a rich English-language spam dataset, and second, the trained model is then further fine-tuned using a much smaller Indonesian-language dataset. Quantitative evaluation results show that the model achieved very good and consistent performance in both languages. On the English dataset, the model reached an Accuracy of 0.9738 and an F1-score of 0.9436. More significantly, on the Indonesian dataset, the model achieved an Accuracy of 0.9492 with an F1-score of 0.9494. The comparable performance between the two languages, despite the Indonesian dataset being much smaller, proves that the semantic knowledge acquired from the source language (English) can be efficiently transferred for the same classification task in the target language (Indonesian). This research provides a strong demonstration of how transfer learning can bridge the data resource gap and has important implications for the development of NLP applications in the context of low-resource languages
Deteksi Penyakit Daun Kentang dengan Deep Learning Berbasis CNN MobileNet Mahalisa, Galih; Anshari, Muhammad; Muflih, Muhammad
Jurnal Sains Sistem Informasi Vol 3, No 3 (2025): JSSI (September)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jssi.v3i3.20390

Abstract

Kentang merupakan salah satu komoditas sayuran yang memiliki nilai ekonomi tinggi di Indonesia, namun sering mengalami penurunan produktivitas akibat serangan penyakit daun seperti bercak kering dan busuk daun. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis penyakit daun kentang guna membantu deteksi dini secara cepat dan akurat. Metode yang digunakan adalah jaringan saraf tiruan berbasis pembelajaran mendalam dengan arsitektur MobileNetV2 dan teknik pembelajaran transfer. Data penelitian berupa 3.656 citra daun kentang yang terbagi menjadi tiga kategori yaitu bercak kering, busuk daun, dan sehat, yang diperoleh dari sumber daring. Data diproses melalui tahap penyesuaian ukuran citra, normalisasi warna, pembagian data latih, validasi, dan uji. Model dilatih dengan strategi penghentian dini untuk mencegah kelebihan pelatihan, kemudian dilakukan evaluasi menggunakan ukuran akurasi, presisi, daya jangkau, dan luas di bawah kurva. Hasil penelitian menunjukkan model mampu mengklasifikasikan penyakit dengan tingkat kinerja yang tinggi dengan pengujian menunjukkan bahwa model yang dikembangkan memiliki performa akurasi sebesar 94%. Sistem diimplementasikan dalam bentuk aplikasi berbasis web sehingga pengguna dapat mengunggah gambar daun kentang dan memperoleh hasil prediksi secara langsung.
PELATIHAN PEMBUATAN LAYANAN PUBLIK ONLINE DI KELURAHAN KERTAK BARU ILIR Mahalisa, Galih; Ahmadi, Ahmadi; Yuridka, Fitrah; Ibrahim, Ibrahim
JURNAL PENGABDIAN AL-IKHLAS UNIVERSITAS ISLAM KALIMANTAN MUHAMMAD ARSYAD AL BANJARY Vol 11, No 3 (2025): AL-IKHLAS JURNAL PENGABDIAN
Publisher : Universitas Islam kalimantan MAB

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/jpaiuniska.v11i3.16848

Abstract

Sistem informasi web adalah suatu sistem yang memberikan atau mengkomunikasikan kebutuhan informasi manusia. Aplikasi layanan publik online ini berbasis web khusus Masyarakat di Kelurahan Kertak Baru Ilir, Kecamatan Banjarmasin Tengah,menyediakan formulir keluhan masyarakat untuk pengaduan atau pelaporan mengenai berbagai peristiwa di sekitarnya. Selain itu, aplikasi ini juga memfasilitasi permohonan surat administrasi negara yang dapat dikeluarkan oleh kantor kelurahan. Penyediaan layanan ini memudahkan masyarakat dalam menyampaikan permasalahan yang terjadi di lingkungan Kelurahan Kertak Baru Ilir, seperti konflik warga, kerusakan jalan, kebakaran, dan lain sebagainya. Dengan demikian, masyarakat tidak perlu mendatangi kantor kelurahan, melainkan dapat mengakses situs web aplikasi layanan publik berbasis web tersebut. Kemudahan akses yang tersedia dari jarak jauh dapat dinikmati melalui perangkat komunikasi seperti ponsel, laptop, atau komputer yang terhubung ke internet.
Co-Authors Agus, Rahmadi AHMADI Alfah, Rina Arminarahmah, Nur Asegaff, Aulia Rizky Muhammad Hendrik Noor Basuki , Ibrahim Ibrahim Maulani, Jauhari Mayang Sari Muflih, M. Muhammad Amin Muhammad Anshari, Muhammad Muhammad Iqbal Firdaus, Muhammad Iqbal Muhammad Muflih Muhammad Rusdi Nadiya Hijriana, Nadiya Nurarminarahmah Ratna, Silvia Ridho, Ihda Innar Rizqi Elmuna Hidayah Sanjaya, Hendra Setiawan, Kholik Syafarina, Gita Ayu Yuridka, Fitrah Zaenuddin Zaenuddin, Zaenuddin