Article Per Year (5 Year)
p-Index From 2021 - 2026
3.657
P-Index
This Author published in this journals
All Journal Elkom: Jurnal Elektronika dan Komputer Jurnal Informatika dan Teknik Elektro Terapan International Conference on Coastal and Delta Areas Al-Ta'dib: Jurnal Kajian Ilmu Kependidikan Jurnal Keperawatan Komprehensif (Comprehensive Nursing Journal) JURNAL KESEHATAN BHAKTI HUSADA Jurnal Ners Jurnal Ilmiah Teknologi Informasi dan Robotika Keris: Journal of Community Engagement Jurnal Pendidikan Islam Al-Affan International Journal of Community Engagement Payungi Ocean Engineering: Jurnal Ilmu Teknik dan Teknologi Maritim Jurnal Pengabdian Masyarakat dan Riset Pendidikan Jurnal Media Akademik (JMA) International Journal of Geography, Social, and Multicultural Education (IJGSME) AL-ABSHOR : Jurnal Pendidikan Agama Islam Jurnal Online Skripsi Manajemen Rekayasa Konstruksi (JOS-MRK)
Abdul Khamid
Unknown Affiliation
Religion Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Earth & Planetary Sciences Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Physics Public Health Social Sciences Transportation Other

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 25 Documents
Search

 1   2   3 
Klasifikasi Huruf Hijaiyah Berbasis Citra Digital Menggunakan Metode Convolutional Neural Network (CNN) Firyal Nabila Ulya H.M; Bambang Irawan; Abdul Khamid
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3308

Abstract

Hijaiyah letters have varying shapes, and some of them are very similar, often causing errors in the manual character recognition process. This study aims to classify Hijaiyah letters based on digital images using the Convolutional Neural Network (CNN) method. This method was used in this study with a dataset consisting of 28 letter classes and a total of 4,480 images obtained from various public sources and private data. All images underwent a preprocessing stage that included labeling, resizing, normalization, and augmentation, then were divided into three parts, namely training data, validation data, and test data with a ratio of 70:20:10. The training process was carried out using the Python programming language with the help of the TensorFlow and Keras libraries on the Google Colab platform. The test results showed that the CNN model achieved an accuracy of 97.10%, with an average precision, recall, and F1-score of 0.97, respectively. Classification errors only occurred in letters that had similar shapes, such as Syin and Sin. Based on these results, the CNN method proved to be effective, efficient, and accurate in recognizing Hijaiyah letter image patterns, so it can be used as a basis for developing classification models with higher accuracy in the future.  
Klasifikasi Jenis Sampah Organik Dan Anorganik Menggunakan Convutional Neural Network Berbasis Citra Digital Nova Eliza; Bambang Irawan; Abdul Khamid
Elkom: Jurnal Elektronika dan Komputer Vol. 18 No. 2 (2025): Desember : Jurnal Elektronika dan Komputer
Publisher : STEKOM PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51903/elkom.v18i2.3309

Abstract

Waste has become a serious environmental problem in Indonesia, which continues to increase along with population growth. The issue of waste management poses serious challenges for the environment, especially in the process of separating organic and inorganic waste. In the field of computer vision, recognising the type and shape of waste through camera images remains a challenge due to variations in shape, colour, and complex lighting conditions. Therefore, this problem utilises Deep Learning technology, which is expected to be widely applied in Indonesia, especially in large cities with high waste volumes. This study aims to distinguish between organic and inorganic waste using the Convolutional Neural Network (CNN) method based on digital images. The developed CNN model was trained to recognise the visual patterns of each type of waste and tested to measure its accuracy. The test results show that the CNN-based classification system is capable of achieving an accuracy rate of 95%, thus proving the effectiveness of this method in supporting artificial intelligence-based automatic waste sorting systems.
KLASIFIKASI PENYAKIT KULIT WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK EFFICIENTNET-B3: Riko Angga Bayu Kusuma; Bambang Irawan; Abdul Khamid
Jurnal Informatika dan Teknik Elektro Terapan Vol. 14 No. 1 (2026)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v14i1.8721

Abstract

Facial skin diseases are a common health issue that significantly affect an individual's quality of life. Early detection through image processing is a crucial step for timely treatment. This study applies Convolutional Neural Network with EfficientNet-B3 architecture to classify five types of facial skin diseases, namely acne, actinic keratosis, basal cell carcinoma, eczema, and rosacea. The model was developed through fine-tuning on an augmented image dataset, with training and testing data splits. Evaluation results show a testing accuracy of 96.61 percent, accompanied by average precision, recall, and F1-score values of 0.97. The confusion matrix indicates high classification performance with minimal errors between classes. This approach proves effective in improving detection accuracy, thus potentially supporting medical personnel in early diagnosis.
Pengaruh Teknik Relaksasi Genggam Jari Pada Rheumatoid Arthritis Terhadap Penurunan Skala Nyeri di Rw 013 Kelurahan Jatikramat Kecamatan Jatiasih Kota Bekasi Tahun 2025 Abdul Khamid; Aini, Yuanita Nur
Jurnal Ners Vol. 10 No. 2 (2026)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jn.v10i2.55818

Abstract

Pendahuluan:World Health Organization (WHO)tahun 2023 memperkirakan rheumatoid arthritis mencapai 0,3 – 1% dari populasi dewasa. Rheumatoid arthritis merupakan penyakit autoimun kronis yang menimbulkan nyeri sendi. Salah satu terapi non farmakologis yang dapat digunakan untuk mengurangi nyeri adalah teknik relaksasi genggam jari terhadap penurunan skala nyeri pada rheumatoid arthritis di RW 013 Kelurahan Jatikramat Kecamatan Jatiasih Kota Bekasi Tahun 2025.Tujuan Untuk mengetahui pengaruh teknik relaksasi genggam jari pada rheumatoid arthritis terhadap penurunan skala nyeri. Metode Penelitian Metode penelitian yang digunakan metode kuantitatif dengan desain one group pre test – post test dengan jumlah sampel 64 responden. Populasi dalam penelitian ini adalah seluruh warga yang tinggal di RW 013 Kelurahan Jatikramat Kecamatan Jatiasih Kota Bekasi yang mengalami rheumatoid arthritis.Hasil berdasarkan hasil penelitian responden yang mengalami penurunan skala nyeri setelah diberikan teknik relaksasi genggam jari. Hasil uji statistik menunjukkan p = 0,000 (p < 0,05) yang berarti terdapat pengaruh signifikan teknik relaksasi genggam jari terhadap penurunan skala nyeri pada rheumatoid arthritis. Kesimpulan penelitian untuk teknik relaksasi genggam jari berpengaruh terhadap penurunan skala nyeri pada rheumatoid arthritis di RW 013 Kelurahan Jatikramat sehingga meningkatkan kesembuhan pasien dalam mengurangi nyeri.
Pengaruh Tenik Relaksasi Benson Terhadap Penurunan Intensitas Nyeri Pada Pasien Post Operasi Tumor Mamae di Rs Kartini Rangkasbitung Abdul Khamid; Wulandari, Novia
Jurnal Ners Vol. 10 No. 2 (2026)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jn.v10i2.55951

Abstract

Nyeri pasca operasi merupakan masalah utama yang sering dialami oleh pasien post operasi tumor mamae akibat adanya trauma jaringan selama tindakan pembedahan. Nyeri yang tidak tertangani dengan baik dapat menghambat proses pemulihan, meningkatkan stres dan kecemasan, serta menurunkan kenyamanan dan kualitas hidup pasien. Selain terapi farmakologis, diperlukan pendekatan nonfarmakologis yang aman dan efektif untuk membantu menurunkan intensitas nyeri. Salah satu intervensi nonfarmakologis yang dapat digunakan adalah teknik relaksasi Benson, yaitu teknik relaksasi yang mengombinasikan latihan pernapasan dengan unsur keyakinan spiritual untuk menghasilkan respon relaksasi tubuh. Penelitian ini bertujuan untuk mengetahui pengaruh teknik relaksasi Benson terhadap penurunan intensitas nyeri pada pasien post operasi tumor mamae di RS Kartini Rangkasbitung. Penelitian ini menggunakan desain kuantitatif dengan pendekatan one group pretest–posttest. Sampel penelitian berjumlah 28 pasien post operasi tumor mamae yang dipilih menggunakan teknik random sampling. Intensitas nyeri diukur menggunakan Numeric Rating Scale (NRS) sebelum dan sesudah diberikan intervensi teknik relaksasi Benson. Analisis data dilakukan menggunakan uji paired t-test dengan tingkat signifikansi 0,05. Hasil penelitian menunjukkan bahwa rata-rata intensitas nyeri sebelum intervensi sebesar 5,96 dan menurun menjadi 3,07 setelah diberikan intervensi relaksasi Benson. Hasil uji statistik menunjukkan nilai p = 0,000 (p < 0,05), yang berarti. terdapat pengaruh signifikan teknik relaksasi Benson terhadap penurunan intensitas nyeri pada pasien post operasi tumor mamae. Teknik relaksasi Benson dapat direkomendasikan sebagai salah satu intervensi keperawatan nonfarmakologis dalam manajemen nyeri pascaoperasi.
Co-Authors Abdul Latif N Abul A’la Al Ma’adudi ACHMAD FAUZI Afif Fudin Ahmad Alfi Ridlo Aida Dwi Rahmawati Aida Dwi Rahmawati Aini, Yuanita Nur Aminkun Imam Rafii Arifah Rakhmawati Bambang Irawan Bambang Laras Media Chusnul Chotimal Dandung Novianto Eli Indawati Enggarbela Ogi Intan Pratiwi Firyal Nabila Ulya H.M Fitria Hidayanti Ilma Nur Rizqi Irhamudin M. Umar Faqieh Moch. Dimas Egi Asyam Al Dzakwan Moch. Sholeh Moh. Lutfi Izaki Moh. Mu’amarul Ma’aruf Mohammad Lucky P Muammar Muchamad Chairul Umam Muhammad Nur Hadi Niki Herdian Permana Nova Eliza Novia Wulandari, Novia Nur Ali Nur Ariesanto Ramdhan Reni Anggraeni Aprillia Riko Angga Bayu Kusuma rini nurdini Rofiqotul Munifah SALAMUN ROHMAN NUDIN Sarmini Siswahyudianto Sukma Perdana Prasetya Suryawahyuni Latief Wahudin Diantoro Yulia Feriska