Article Per Year (5 Year)
p-Index From 2021 - 2026
3.267
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Informatika Komputer Swabumi (Suara Wawasan Sukabumi) : Ilmu Komputer, Manajemen, dan Sosial IJCIT (Indonesian Journal on Computer and Information Technology) JURNAL TEKNOLOGI DAN OPEN SOURCE Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Scientific Journal of Informatics Infotek : Jurnal Informatika dan Teknologi Jurnal Teknologi Informatika dan Komputer Computer Science (CO-SCIENCE) Reputasi: Jurnal Rekayasa Perangkat Lunak Jurnal Aruna Mengabdi (ARMI) Jurnal Kecerdasan Buatan dan Teknologi Informasi Indonesian Community Service Journal of Computer Science (IndoComs)
Ahmad Fauzi
Universitas Bina Sarana Informatika
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 23 Documents
Search

 1   2   3 
Penerapan Platform Perangkat Lunak Bisnis Terpadu Aplikasi Oddo Pada Mitra Kelompok Tani Lele Minda Septiani; Ahmad Fauzi; Verra Sofica; Nila Hardi
Indonesian Community Service Journal of Computer Science Vol. 3 No. 1 (2026): Periode Januari 2026
Publisher : Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/indocoms.v3i1.11904

Abstract

Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan tata kelola administrasi dan keuangan Kelompok Tani Lele BP. Sumberjaya melalui penerapan platform perangkat lunak bisnis terpadu Odoo. Kelompok tani yang bergerak di bidang budidaya lele ini memerlukan sistem pencatatan yang terstruktur untuk mengelola pengeluaran operasional dan transaksi penjualan hasil panen. Metode pelaksanaan meliputi analisis kebutuhan mitra, instalasi dan konfigurasi aplikasi, pelatihan, serta pendampingan penggunaan modul Expense dan Invoice. Hasil kegiatan menunjukkan bahwa penerapan Odoo mampu meningkatkan akurasi dan transparansi pencatatan keuangan, meminimalisir kesalahan manual, serta mempermudah penyusunan laporan keuangan. Selain itu, mitra memperoleh pemahaman yang lebih baik mengenai pengelolaan administrasi berbasis digital sehingga mendukung pengambilan keputusan usaha dan peningkatan profesionalisme kelompok tani.
KLASIFIKASI CITRA SAYUR-SAYURAN MENGGUNAKAN CNN DENGAN VALIDASI SILANG K-FOLDS DI TENSORFLOW Ahmad Fauzi; Septian Rizky Insani Rizky Insani; Bambang Wijonarko
Reputasi: Jurnal Rekayasa Perangkat Lunak Vol. 6 No. 2 (2025): Edisi November 2025
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/reputasi.v6i2.9258

Abstract

Sayuran merupakan bagian tumbuhan yang memiliki kadar air tinggi dan berperan penting dalam konsumsi pangan sehari-hari. Namun, proses identifikasi jenis sayuran secara manual sering kali memerlukan waktu dan berisiko terjadi kesalahan, terutama dalam skala besar seperti di pasar atau industri. Penelitian ini bertujuan untuk mengembangkan dan menguji model klasifikasi citra sayuran secara otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan pendekatan K-Fold Cross Validation sebagai solusi terhadap permasalahan tersebut. Dataset yang digunakan terdiri dari 15 kelas sayuran, yaitu brokoli, capsicum, kacang, kembang kol, kentang, kubis, labu air, labu kuning, lobak, pare, pepaya, terong, timun, tomat, dan wortel. Proses pelatihan dilakukan dengan dua skenario, yaitu model pertama dilatih selama 10 epoch dan model kedua selama 5 epoch, masing-masing divalidasi menggunakan 5-Fold Cross Validation. Hasil pengujian menunjukkan bahwa model dengan pelatihan 10 epoch memberikan performa klasifikasi yang lebih optimal dengan akurasi tertinggi sebesar 99,13%, dibandingkan dengan model 5 epoch yang mencapai akurasi 99,07%. Temuan ini menegaskan bahwa jumlah epoch berpengaruh signifikan terhadap peningkatan performa model CNN dalam tugas klasifikasi citra dengan banyak kelas. Model yang dihasilkan memiliki potensi besar untuk diterapkan dalam sistem identifikasi otomatis sayuran guna mendukung sektor pertanian dan perdagangan berbasis teknologi.
XGBOOST-BASED FRAUD TRANSACTION CLASSIFICATION ANALYSIS IN ONLINE PAYMENT SYSTEMS Sri Diantika; Hiya Nalatissifa; Riki Supriyadi; Nurlaelatul Maulidah; Ahmad Fauzi
Jurnal Kecerdasan Buatan dan Teknologi Informasi Vol. 5 No. 2 (2026): May 2026
Publisher : Ninety Media Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.69916/jkbti.v5i2.478

Abstract

The rapid development of online payment systems has significantly facilitated digital transactions; however, it has simultaneously increased the risk of fraudulent activities. Fraud detection has become a critical challenge due to the complex characteristics of transaction data and the imbalanced class distribution between legitimate and fraudulent transactions. This study aims to analyze the performance of the XGBoost algorithm in classifying fraudulent transactions within online payment systems. The research employs the Online Payments Fraud Detection Dataset obtained from the Kaggle platform. The research methodology consists of several stages, including dataset collection, data preprocessing, categorical data transformation using label encoding, feature engineering for the generation of new attributes, data partitioning through split validation with an 80:20 ratio, model development using the XGBoost algorithm, and performance evaluation using a confusion matrix, accuracy, precision, recall, F1-score, and Area Under the Curve (AUC). The experimental results demonstrate that the XGBoost model achieves excellent classification performance, with an accuracy of 99.98%, precision of 85%, recall of 100%, F1-score of 92%, and an AUC value of 0.9996. Furthermore, feature importance analysis reveals that errorOrig and newbalanceOrig are the most influential attributes in detecting fraudulent transactions. Based on these findings, it can be concluded that the XGBoost algorithm is highly effective for fraud transaction classification in online payment systems and exhibits strong potential for implementation in automated fraud detection systems to enhance the security of digital financial transactions.
Co-Authors Andika Bayu Hasta Yanto Artika Surniandari Aziz Setyawan Hidayat, Aziz Setyawan Bambang Wijonarko Diantika, Sri Erniawati Erniawati Febri Ainun Jariyah Ginabila Hamdun Sulaiman Hilda Rachmi Hiya Nalatissifa Imam Nawawi Michelyn Angela Sabatini Rajagukguk Mochammad Abdul Azis Naufal Brilianto Nila Hardi Novita Indriyani Nurlaelatul Maulidah Pas Mahyu Akhirianto Riki Supriyadi Risa Wati - AMIK BSI Tasikmalaya Risa Wati - AMIK BSI Tasikmalaya Robi Aziz Zuama Safitri Linawati Septian Rizky Insani Rizky Insani Silvy Nur Azizah Taufik Hidayatulloh Verra Sofica Wandy Ubleeuw Zulia Imami Alfianti