Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal JISKa (Jurnal Informatika Sunan Kalijaga) APPA : Jurnal Pengabdian Kepada Masyarakat Journal of Innovative and Creativity
Fuadi, Achmad Lutfi
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Social Sciences Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Peningkatan Keterampilan Desain Digital Siswa-Siswi SMK Panti Karya 3 melalui Pelatihan Pembuatan Poster dan Brosur dengan Canva Fuadi, Achmad Lutfi; Saprudin; Nardiono
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 3 No 3 (2025): APPA : Jurnal Pengabdian kepada Masyarakat (INPRESS)
Publisher : Shofanah Media Berkah

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

Abstract

Pengabdian masyarakat ini bertujuan untuk meningkatkan keterampilan desain digital siswa-siswi SMK Panti Karya 3, khususnya dalam membuat media promosi visual seperti poster dan brosur yang aplikatif di dunia usaha dan industri (DUDI). Metode yang digunakan adalah pelatihan langsung (hands-on training) dengan platform desain online Canva yang mudah diakses dan dipelajari. Kegiatan terdiri dari pemberian materi teori desain komunikasi visual dasar, tutorial penggunaan fitur-fitur utama Canva, serta praktik pembuatan poster event sekolah dan brosur produk/usaha. Hasil evaluasi menunjukkan peningkatan yang signifikan dalam pemahaman dan keterampilan peserta. Sebanyak 93% peserta menyatakan sangat puas dengan pelatihan dan merasa lebih percaya diri untuk membuat desain sederhana. Luaran dari kegiatan ini adalah peningkatan kapasitas siswa dalam literasi digital desain serta produk desain poster dan brosur yang dapat digunakan untuk keperluan sekolah maupun portofolio pribadi. Kegiatan ini juga membuka wawasan tentang peluang ekonomi kreatif yang dapat dimanfaatkan siswa.
Analisis Sentimen pada Ulasan Aplikasi FinTech di Indonesia: Studi Komparatif Model Machine Learning dan Deep Learning Fauzi, Ahmad; Fuadi, Achmad Lutfi; Yunial, Agus Heri; Hidayat, Andrian; Napila, Ade
Journal of Innovative and Creativity Vol. 6 No. 1 (2026)
Publisher : Fakultas Ilmu Pendidikan Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/joecy.v6i1.6939

Abstract

Pertumbuhan sektor Teknologi Finansial (FinTech) telah menjadikan umpan balik pelanggan dari platform digital sebagai sumber penting untuk pengambilan keputusan strategis. Namun, volume dan ketidakstrukturan data, khususnya dalam bahasa informal seperti Bahasa Indonesia, menimbulkan tantangan analitis yang signifikan. Penelitian ini bertujuan untuk mengidentifikasi pipeline optimal untuk klasifikasi sentimen pada ulasan pengguna Livin' by Mandiri, super-app perbankan digital Indonesia. Kami melakukan analisis komparatif menggunakan dataset dunia nyata berisi 117.471 ulasan yang tidak seimbang (55% negatif, 31% positif, 14% netral) yang dibersihkan dari Google Play Store. Dua teknik vektorisasi teks, Bag-of-Words (BoW) dan TF-IDF, diuji pada empat classifier machine learning: Random Forest, Logistic Regression, Decision Tree, dan SVM, serta dibandingkan dengan model Deep Learning berbasis Long Short-Term Memory (LSTM). Hasilnya menunjukkan bahwa model LSTM unggul dengan akurasi 98,02% dan weighted F1-score 0,99, sementara model machine learning terbaik, Logistic Regression dengan TF-IDF, menghasilkan weighted F1-score 0,92. Temuan ini menegaskan bahwa meskipun machine learning tradisional efektif, LSTM lebih unggul dalam menangkap konteks dalam data sekuensial yang kompleks dan tidak seimbang. Penelitian ini menawarkan kerangka kerja yang berguna bagi institusi keuangan untuk menerapkan sistem analisis sentimen otomatis yang akurat dan efektif.
Comparative Analysis of Hybrid CNN-ViT and CNN for Brain Tumor Classification Fauzi, Ahmad; Fuadi, Achmad Lutfi; Yunial, Agus Heri
JISKA (Jurnal Informatika Sunan Kalijaga) Vol. 11 No. 1 (2026): January 2026
Publisher : UIN Sunan Kalijaga Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14421/jiska.5860

Abstract

The automated categorization of brain cancers from MRI is essential for improving diagnostic precision. Traditional Convolutional Neural Networks (CNNs) are proficient in local feature extraction but are constrained in their ability to capture long-range spatial relationships, hence impairing performance on intricate malignancies. We propose a hybrid parallel architecture that merges a CNN with a Vision Transformer (ViT) to combine local and global feature modeling. We assessed our dual-branch model in comparison to a conventional CNN baseline using a curated dataset of 15,000 MRI images categorized into three classes: glioma, meningioma, and pituitary. The hybrid model exhibited enhanced performance, attaining 98.40% accuracy and 0.0783 loss, in contrast to the baseline's 97.40% accuracy and 0.1187 loss. The substantial decrease in misclassifications was validated by additional metrics, such as enhanced recall for the meningioma category. The integration of local and global variables produces a more precise, stable, and generalizable classification framework, demonstrating significant potential as a basis for dependable AI-driven Clinical Decision Support Systems (CDSS) in neuroradiology.
Co-Authors ANDRIAN HIDAYAT Fauzi Ahmad Muda Napila, Ade Nardiono Saprudin Yunial, Agus Heri