Article Per Year (5 Year)
p-Index From 2021 - 2026
5.022
P-Index
This Author published in this journals
All Journal REKAYASA Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sisfokom (Sistem Informasi dan Komputer) SENTIA 2016 Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Kreativitas PKM Jurnal Informatika Kaputama (JIK) Scientific Journal of Informatics Journal of Computer System and Informatics (JoSYC) Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi SKANIKA: Sistem Komputer dan Teknik Informatika Journal of Electrical Engineering and Computer (JEECOM) International Journal of Computer and Information System (IJCIS) Indexia Kontribusi: Jurnal Penelitian dan Pengabdian Kepada Masyarakat Academic Journal of Computer Science Research (AJCSR) TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora Jurnal: International Journal of Engineering and Computer Science Applications (IJECSA) Insand Comtech : Information Science and Computer Technology Journal JUSTIFY : Jurnal Sistem Informasi Ibrahimy COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Nusantara Journal of Computers and its Applications Transaction on Informatics and Data Science JOKI: Journal of Computing and Informatics SINAR: Sinergi Pengabdian dan Inovasi untuk Masyarakat JuTISI (Jurnal Teknik Informatika dan Sistem Informasi)
Abu Tholib
Universitas Nurul Jadid
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Transportation Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 44 Documents
Search

 1   2   3   4   5 
Pendampingan Guru Paud melalui Media Edukasi Interaktif Robot Sandwich dalam Edukasi Perilaku Hidup Bersih dan Sehat di Kabupaten Probolinggo Nugroho, Setiyo Adi; Tholib, Abu; Sholehah, Baitus
Jurnal Kreativitas Pengabdian Kepada Masyarakat (PKM) Vol 8, No 11 (2025): Volume 8 No 11 (2025)
Publisher : Universitas Malahayati Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33024/jkpm.v8i11.22728

Abstract

ABSTRACT Early Childhood Education (ECE) plays a crucial role in instilling clean and healthy living behaviors (PHBS). However, conventional teaching methods are often less engaging for children, thereby requiring innovative and interactive learning media. The Sandwich Robot was developed as a technology-based educational tool to assist ECE teachers in delivering PHBS material more effectively. This study aims to enhance the capacity of ECE teachers in teaching PHBS through the use of the interactive Sandwich Robot and to evaluate its impact on children’s PHBS behavior in Probolinggo Regency. This community service program was implemented in five ECE institutions involving 50 teachers who are members of IGTKI-PGRI. The methods consisted of socialization, training, technology implementation, mentoring, and evaluation. Data were collected through pre-tests and post-tests, classroom observations, and activity documentation, and analyzed using descriptive quantitative techniques. The findings revealed an improvement in teachers’ understanding of PHBS from 52% to 87% and technical skills in operating the Sandwich Robot from 45% to 82%. Children’s active participation in learning increased from 40% to 75%. Four key PHBS indicators among children also improved: handwashing practices (41% → 79%), waste disposal (50% → 85%), personal hygiene (46% → 80%), and healthy eating habits (39% → 74%). Program sustainability was supported through a lending system of the Sandwich Robot to non-partner schools and collaboration with local government. Mentoring ECE teachers through the interactive Sandwich Robot is effective in improving teachers’ capacity and shaping PHBS behaviors among young children, with strong potential for wider adoption through government support. Keywords: Early Childhood Education, PHBS, Interactive Media, Sandwich Robot, Teacher Mentoring.  ABSTRAK Pendidikan anak usia dini (PAUD) memiliki peran penting dalam menanamkan perilaku hidup bersih dan sehat (PHBS). Namun, metode konvensional sering kali kurang menarik bagi anak, sehingga diperlukan media pembelajaran inovatif yang interaktif dan menyenangkan. Robot Sandwich dikembangkan sebagai media edukasi berbasis teknologi untuk membantu guru PAUD menyampaikan materi PHBS secara lebih efektif. Penelitian ini bertujuan untuk meningkatkan kapasitas guru PAUD dalam mengajarkan PHBS melalui media interaktif Robot Sandwich, sekaligus mengukur dampak program terhadap perilaku PHBS anak usia dini di Kabupaten Probolinggo. Program pengabdian kepada masyarakat ini dilaksanakan di lima lembaga PAUD dengan melibatkan 50 guru yang tergabung dalam IGTKI-PGRI. Metode yang digunakan meliputi sosialisasi, pelatihan, penerapan teknologi, pendampingan, dan evaluasi. Data dikumpulkan melalui pre-test dan post-test, observasi perilaku anak, serta dokumentasi kegiatan, kemudian dianalisis secara deskriptif kuantitatif. Hasil menunjukkan adanya peningkatan pemahaman guru tentang PHBS dari 52% menjadi 87% dan keterampilan teknis penggunaan Robot Sandwich dari 45% menjadi 82%. Partisipasi aktif anak dalam pembelajaran meningkat dari 40% menjadi 75%. Empat indikator PHBS anak juga mengalami peningkatan, yaitu mencuci tangan dengan benar (41% → 79%), membuang sampah pada tempatnya (50% → 85%), menjaga kebersihan diri (46% → 80%), dan pola makan sehat (39% → 74%). Program juga berlanjut melalui sistem peminjaman Robot Sandwich ke PAUD non-mitra serta kolaborasi dengan pemerintah daerah. Pendampingan guru PAUD melalui media edukasi interaktif Robot Sandwich efektif dalam meningkatkan kapasitas guru dan membentuk perilaku PHBS anak usia dini, serta memiliki potensi untuk diadopsi lebih luas melalui dukungan pemerintah daerah. Kata Kunci: PAUD, PHBS, Media Interaktif, Robot Sandwich, Pendampingan Guru
Implementasi AI Chatbot Sebagai Support Assistant Website Universitas Nurul Jadid Menggunakan Algoritma Long Short-Term Memory (LSTM) Rianto, M. Erfan; Maulidiansyah, Maulidiansyah; Tholib, Abu
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 1 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i1.8556

Abstract

Perkembangan teknologi semakin pesat, menciptakan perubahan besar dalam berbagai aspek kehidupan termasuk pada sektor pendidikan. Universitas Nurul Jadid merupakan lembaga pendidikan yang perlu mengadaptasi teknologi terkini untuk efisiensi dan pelayanan untuk menjawab peningkatan volome pertanyaan dan informasi yang dibutuhkan masyarakat/orangtua sebelum mendaftarkan putra-putrinya kuliah di Universitas Nurul Jadid. Chatbot merupakan bagian dari Natural Languange Processing (NLP) berbasis Artificial Intelegent (AI) yang berfungsi melakukan percakapan dengan pengguna melalui teks atau ucapan yang memberikan layanan cepat dan akurat sepanjang waktu. Long Short-Term Memory (LSTM) yaitu algoritma deep learning untuk memprediksi serta klasifikasi data teks. Data penelitian terdiri dari tag, pattern dan response yang diperoleh secara manual dari referensi website Universitas Nurul Jadid kemudian di preprocessing guna membuat model. Bagian utama pada model chatbot ini yaitu lapisan embedding yang memberikan nilai vektor untuk setiap kata dalam data teks yang telah dimasukkan. Hasil training model menghasilkan akurasi sebesar 99.32% dan loss sebesar 12.57% Ini menadakan model sudah bagus dan tidak terjadi overfitting atau underfitting sehingga model layak untuk dilakukan pengujian dan deployment. Hasil ini mendukung penggunaan chatbot LSTM sebagai asisten virtual untuk membantu masyarakat/calon mahasiswa/mahasiswa mengakses informasi.
Analisis Sentimen Terhadap Ulasan Aplikasi Shopee di Google Play Store Menggunakan Metode TF-IDF dan Long Short-Term Memory) Musfiroh, Musfiroh; Tholib, Abu; Arifin, Zainal
Journal of Electrical Engineering and Computer (JEECOM) Vol 6, No 2 (2024)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v6i2.8713

Abstract

Pengunjung Shopee semakin meningkat dari tahun 2022 hingga 2023. Karena peningkatan itu, semakin banyak pengguna yang berkomentar negatif atau positif. Maka, mengetahui sentimen pengguna pada aplikasi Shopee dapat mengetahui perilaku pelanggan dan meningkatkan penjualan. Penelitian ini menggunakan metode TF-IDF dan algoritma LSTM. Adapun tahapan penelitian seperti scrapping data yang menggunakan ulasan pengguna aplikasi Shopee di Google Play Store sebanyak 3565 data. Lalu data dikategorikan menjadi tiga kelas: positif, netral, dan negatif. Proses preprocessing meliputi Tokenization, Normalization, Stopword, dan Stemming. Selanjutnya dilakukan proses train data dan data test sebesar 8:2. Lalu melakukan vektorisasi dengan TF-IDF, melatih model dengan penggabungan TF-IDF dan LSTM (Long Short-Term Memory), serta menggunakan metrics untuk mengevaluasi model dan visualisasi menggunakan word cloud. menghasilkan akurasi sebesar 83% dengan nilai loss (kerugian) sebesar 0.1385. Model memiliki kemampuan cukup baik dalam memprediksi kelas negatif dan positif tetapi kurang efektif untuk kelas netral karena data yang kurang seimbang. 
PENDAMPINGAN DAN PELATIHAN 5 SOFT SKILL DASAR UNTUK PERSIAPAN DUNIA KERJA DI MA ZAINUL ANWAR KRAKSAAN Abu Tholib; Muh Nurul Imam; Eka Wahyu Ramadhan; Alfan Maulan; Moh Lailul Ilham; Moh Ali Ishaq; Misbahul Munir
SINAR: Sinergi Pengabdian dan Inovasi untuk Masyarakat Vol 1 No 01 (2024): Oktober
Publisher : CV. Laskar Karya

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

Abstract

Masalah utama yang dihadapi oleh MA Zainul Anwar Kraksaan adalah rendahnya keterampilan lunak (soft skills) yang dimiliki oleh siswa, terutama dalam bidang komunikasi, kerjasama tim, manajemen waktu, pemecahan masalah, dan kepemimpinan. Kurangnya pemahaman dan penerapan keterampilan ini dapat menghambat siswa dalam mempersiapkan diri memasuki dunia kerja. Oleh karena itu, pengabdian ini bertujuan untuk meningkatkan keterampilan lunak siswa melalui program pendampingan dan pelatihan yang terstruktur. Metode pengabdian yang digunakan meliputi identifikasi kebutuhan melalui survei awal, penyusunan modul pelatihan, pelaksanaan serangkaian workshop, sesi mentoring, dan simulasi dunia kerja. Program ini berhasil meningkatkan pemahaman dan penerapan soft skills pada siswa MA Zainul Anwar. Evaluasi menunjukkan adanya peningkatan signifikan dalam kemampuan siswa dalam mengaplikasikan keterampilan lunak, yang diharapkan dapat mendukung kesiapan mereka menghadapi tantangan dunia kerja. Rekomendasi dari pengabdian ini adalah perlunya integrasi pengembangan soft skills dalam kurikulum sekolah agar keberlanjutan program dapat terjaga.
Prediction of Customer Switching Using Support Vector Machine Method Tholib, Abu; Sholeha, Selfia Hafidatus; Aini, Qurrotu
Transactions on Informatics and Data Science Vol. 1 No. 2 (2024)
Publisher : Department of Informatics, Faculty of Da'wah, UIN Saizu Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24090/tids.v1i2.12277

Abstract

Several studies on predicting customer switching focus on the telecommunications industry and online stores. This research aims to predict customer switching to get the best results; customers are the most critical mass; some companies must provide satisfying services so customer flow decreases. The support vector machine (SVM) method uses machine learning to find a hyperplane based on the SRM principle. A hyperplane is a decision boundary that helps classify data points. SVM stands out for its ability to take input data and make predictions based on its characteristics. This study uses data from Kaggle, structured it, cleaned it, identified patterns and inconsistencies (such as skewness, outliers, and missing values), and built and validated hypotheses. From the data processing, the plot shows the imbalance of data classes between churners and non-churners. This research applies several models where the most significant or best performance value is in the SVM model of 0.7996. The Neural Network model can be trained with better patterns to detect data and achieve high accuracy.
Analisis Sentimen Hasil Pemilu (Quick Count) Calon Presiden dan Wakil Presiden 2024 di Media Sosial Media X Menggunakan Metode Bidirectional Long Short-Term Memory (BiLSTM) Aini, Qurrotu; Hidayat, M. Noer Fadli; Tholib, Abu
Journal of Computer System and Informatics (JoSYC) Vol 5 No 3 (2024): May 2024
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v5i3.5223

Abstract

It is important to understand public opinions, attitudes and sentiments in relation to presidential and vice presidential candidates in the context of Indonesia's general elections. The fact that quick count results have become a major topic of conversation on social media, especially on platforms such as Twitter, shows how important it is to monitor people's views on election results. However, tweets that are free-form and use digital language are often difficult for the unfamiliar to understand, which can lead to the spread of misinformation or inaccurate views. Sentiment analysis is therefore key in understanding people's views on election results. This research proposes the use of the Bidirectional Long Short Term-Memory (BiLSTM) method to analyse sentiment related to the quick count results of the 2024 presidential and vice presidential elections on X social media. This sentiment analysis aims to classify texts into positive, negative, or neutral categories. The purpose of this study is to measure the sentiment value and accuracy of the BiLSTM method in sentiment analysis of election results. Data was collected by scraping X social media using the keywords "quick count results of 2024 presidential election" and "results of 2024 presidential election", resulting in 1348 tweets. Preprocessing included cleaning, case folding, normalisation, tokenisation, stopword removal, and stemming. Sentiments were labelled using the Vader lexicon dictionary. BiLSTM modelling was performed by dividing the data into 70% for training and 30% for testing. The results showed that neutral sentiment had the highest percentage at 92.86%, followed by positive sentiment at 3.83% and negative at 3.31%. The BiLSTM model achieved an accuracy of 86.89% with an overall accuracy of 97%. The highest precision, recall, and F1-score values were found in the neutral class, at 98%, 99%, and 99% respectively. This research proves that BiLSTM is an effective method for sentiment analysis of complex texts such as election results.
Optimasi Model CatBoost dengan Feature Selection dan Hyperparameter Tuning untuk Prediksi Nasabah Bank Potensial Eko Fitra Firmandani, Ahmad Muzakki; Hudawi AS, Ahmad; Tholib, Abu
Academic Journal of Computer Science Research Vol 6, No 2 (2024): Academic Journal of Computer Science Research (AJCSR)
Publisher : Institut Teknologi dan Bisnis Bina Sarana Global

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38101/ajcsr.v6i2.15656

Abstract

Persaingan ketat di industri perbankan menuntut kemampuan memprediksi nasabah potensial deposito secara akurat dan efisien. Penelitian ini bertujuan meningkatkan akurasi prediksi nasabah potensial deposito dengan mengurangi kompleksitas komputasi dan dimensionalitas data, terutama pada penanganan fitur kategorik. Metode yang diusulkan menggunakan algoritma CatBoost yang mampu menangani data kategorik secara efisien tanpa memerlukan one-hot encoding. Feature selection berbasis feature importance diaplikasikan untuk memilih fitur paling relevan, sementara hyperparameter tuning dengan Hyperopt digunakan untuk mengoptimalkan parameter model CatBoost. Eksperimen pada dataset Bank Marketing dengan 45.211 baris data dan 16 fitur menunjukkan kombinasi CatBoost, feature selection, dan hyperparameter tuning mampu mencapai akurasi 92,8%, sensitivitas 91,0%, dan spesifisitas 94,8% dalam memprediksi nasabah potensial deposito. Pendekatan ini terbukti efektif mengurangi kompleksitas komputasi sekaligus meningkatkan akurasi prediksi nasabah potensial deposito.
FAKTORISASI MATRIKS MENGGUNAKAN STOCHASTIC GRADIENT DESCENT UNTUK OPTIMASI SISTEM REKOMENDASI HOTEL tholib, abu; Maula, Inayatul; Hidayat, M. Noer
NJCA (Nusantara Journal of Computers and Its Applications) Vol 9, No 1 (2024): June 2024
Publisher : Computer Society of Nahdlatul Ulama (CSNU) Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36564/njca.v9i1.367

Abstract

In today's digital world, recommendation systems have a very important role to help users find hotels that match their preferences. This research focuses on developing a hotel recommendation system by combining matrix factorization method with Stochastic Gradient Descent (SGD) algorithm. The matrix factorization method is used to model the hotel ranking data as the product of the user matrix and the hotel matrix. While for the Stochastic Gradient Descent (SGD) algorithm plays a role in optimizing model parameters efficiently, where the method will be tested on hotel rating datasets or ratings. Evaluation of model performance in this study, using metrics such as Root Mean Squared (RMSE), Mean Squared Error (MSE), and Mean Absolute Error (MAE). This study shows fairly accurate results, with an RMSE value of 0.370312, an MSE value of 0.137131, and an MAE value of 0.089932. These results show that combining the matrix factorization method with Stochastic Gradient Descent (SGD) can be an effective solution for building a hotel recommendation system according to user preferences
Implementasi GridSearch dalam Meningkatkan Kinerja Model Support Vector Regresion (SVR) utuk Prediksi Penjualan Produk (Studi kasus : Meubel Rohman Jaya): Implementation of GridSearch to Improve the Performance of the Support Vector Regression (SVR) Model for Predicting Product Sales at Rohman Jaya Furniture Ahmad Baidowi Eko Fitra Firmanda; Ahmad Hudawi AS; Abu Tholib; Juvinal Ximenes Guterres
EXPLORE IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Vol 16 No 1 (2024): Jurnal Explore IT Edisi June 2024
Publisher : Program Studi Teknik Informatika, Fakultas Teknik, Universitas Yudharta Pasuruan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35891/explorit.v16i1.5042

Abstract

In the era of digitalization, product sales forecasting plays a crucial role for companies in estimating future demand. Meubel Rohman Jaya, a furniture business established since 2010, requires accurate predictions to optimize stock availability with the variety of products they produce. This research aims to forecast furniture product sales using the Support Vector Regression (SVR) algorithm with GridSearch optimization. Sales data of 11 furniture products over 30 months (January 2021 - June 2023) were processed through data collection and preprocessing. Modeling was performed using SVR without optimization and SVR with GridSearch optimization to obtain the best parameters. Predictions were generated and then evaluated using the Mean Absolute Percentage Error (MAPE) metric. The results showed that SVR without optimization achieved a MAPE of 40.39%, while SVR with GridSearch achieved a MAPE of 0.45%, indicating a significant increase in accuracy. GridSearch optimization has proven effective in improving prediction performance and is highly recommended for implementation in forecasting product sales at Meubel Rohman Jaya.
PREDIKSI HARGA EMAS MENGGUNAKAN METODE LSTM DAN GRU Tholib, Abu; Agusmawati, Nanda Kurnia; Khoiriyah, Fitwatul
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.v11i3.3250

Abstract

Prediksi harga emas sangat penting karena menjadi acuan bagi para investor untuk menentukan strategi yang tepat dalam berinvestasi. Tren metode prediksi dalam beberapa tahun terakhir adalah deep learning, yang merupakan subbidang machine learning dan populer dalam menangani masalah prediksi time-series. Dalam penelitian ini, kami membandingkan performa dua model deep learning, yaitu Long Short-Tern Memory (LSTM) dan Gated Recurrent Unit (GRU) dalam memprediksi harga Emas. Hasil dalam penelitian ini menunjukkan bahwa model LSTM memiliki performa lebih baik dibanding model GRU dalam memprediksi harga Emas, dengan hasil perhitungan nilai eror LSTM lebih rendah yaitu nilai MAE sebesar 0.0389, RMSE sebesar 0.0475, dan MAPE sebesar 5.2047%. Dari hasil penelitian ini, kami menemukan bahwa LSTM adalah model yang lebih efektif dan akurat untuk memprediksi harga Emas dibanding LSTM.
Co-Authors Agusmawati, Nanda Kurnia Ahmad Baidowi Eko Fitra Firmanda Ahmad Baidowi Eko Fitra Firmanda Ahmad Halimi Ahmad Hudawi As Ahmad Hudawi AS ahmad taufiqul imam Alfan Maulan Andi, Moh syaiful Basit, Illiyah Ibnul Cahyuni Novia Deddy Junaedi Deniyanto Muchlizin Wahidillah Devita Alif Barmansyah Eka Wahyu Ramadhan Eko Fitra Firmandani, Ahmad Muzakki Eliyanto, Andik Elfandiyono Erna Daniati Fadli Hidayat, M Noer Fadli Hidayat, M. Noer Fathorazi Nur Fajri Fauziah, Gustin Fitwatul Khoiriyah Furqon, Ainul Gulpi Qorik O tagalu .P Guterres, Juvinal Ximenes Hairani Hairani Halimi, Ahmad Hidayat, M. Noer Hudawi AS, Ahmad Ihsan, Gilang Hafidzul Inayatul Maula Itqan, Moh Syadidul Janhasmadja, Mengas Juvinal Ximenes Guterres Juvinal Ximenes Guterres Khoiriyah, Fitwatul Linda Uswatun Hasanah Marzuki, Muhammad Ismail Maula, Inayatul Maulidiansyah, Maulidiansyah Misbahul Munir Moh Ali Ishaq Moh Lailul Ilham Moh Syadidul Itqan Muafi Muafi Muafi Muh Nurul Imam Musfiroh Musfiroh, Musfiroh Nanda Kurnia Agusmawati Qurrotu Aini, Qurrotu Rahman, M Fadhilur Ratri Enggar Pawening Resty Wulanningrum Rian Hidayat Rianto, M. Erfan Rizal Sulton Salman, Moh Setiyo Adi Nugroho Sholeha, Selfia Hafidatus Sholehah, Baitus Shudiq, Wali Ja'far Sihabillah, Ahmad Soleh, Paisal Sukron, Moh Supri yono Supri Yono, Supri Supriadi, Ahmad Syafiih, M Syaroni, Wahab Syaroni, Wahab Taufiqur Rahman, Taufiqur Tsabbit Albannani, Nur Wahyu Virda Virdausih Putri Wahab Syaroni Wahab Syaroni Wali Ja’far Shudiq Warda, Faridatul Wiwin Yuliana Ximenes Guterres, Juvinal Yaqin, Moh. Ainol Yaqin, Moh. Ainol Yaqin Yayat Hidayat Yoga Yuniadi Yuliana, Wiwin Yuri Ariyanto Zain, Ahmad Naufal Waliyus Zainal Arifin Zainal Arifin