Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal ABDINUS : Jurnal Pengabdian Nusantara Idealis : Indonesia Journal Information System
Muzayyadah, Fathona Nur
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Media Sosial Sebagai Pemasaran Digital untuk Perajin Kain Songket di Desa Penyandingan Desiani, Anita; Gofar, Nuni; Andriani, Yuli; Irmeilyana, Irmeilyana; Nabila, Annisa; Muzayyadah, Fathona Nur; Syarifuddin, Fauzi Yusuf; Kurnia, M Kahfi Aldi
Jurnal ABDINUS : Jurnal Pengabdian Nusantara Vol 6 No 2 (2022): Volume 6 Nomor 2 Tahun 2022
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/ja.v6i2.16682

Abstract

Penyandingan Village is part of the Ogan Ilir District, Indralaya District. Songket craftsmen are the main source of income besides farmers and traders in the Penyandingan village. Nearly 90% of the women in the Penyandingan village are songket craftsmen. The difficulty of songket craftsmen is in terms of marketing their handicrafts. Craftsmen need breakthroughs so that their products are widely distributed, one of which is utilizing information technology such as social media. Many economic actors, both individuals and groups, use social media to market their products. Unfortunately, the knowledge of pairing village songket craftsmen is still lacking in utilizing social media in marketing songket fabrics such as promotions on Instagram, business WhatsApp, and business Facebook. By implementing the use of social media in the marketing of songket cloths from Penyandingan village, it can help increase village income and promoting the songket cloth of Penyandingan village.
Implementasi Ensemble Weighted Voting Pada Arsitektur Densenet Mobilenet Xception Untuk Klasifikasi Penyakit Diabetic Retinopathy Kesuma, Lucky Indra; Zayanti, Des Alwine; Desiani, Anita; Sari, Purwita; Saputra, Zulhipni Reno; Ihsan, Muhammad; Muzayyadah, Fathona Nur
IDEALIS : InDonEsiA journaL Information System Vol. 9 No. 1 (2026): Jurnal IDEALIS Januari 2026
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/idealis.v9i1.3714

Abstract

Convolutional Neural Network (CNN) merupakan salah satu pendekatan deep learning yang banyak digunakan pada tugas klasifikasi dan segmentasi citra, termasuk pada bidang kesehatan. Salah satu penerapan penting CNN adalah pada analisis citra Diabetic Retinopathy (DR), yaitu penyakit pada retina mata yang disebabkan oleh komplikasi diabetes jangka panjang dan dapat menyebabkan gangguan penglihatan hingga kebutaan apabila tidak terdeteksi secara dini. Namun, penggunaan arsitektur CNN tunggal sering mengalami keterbatasan, seperti overfitting, kebutuhan komputasi yang tinggi, atau kemampuan ekstraksi fitur yang belum optimal. Oleh karena itu, metode ensemble dapat digunakan untuk mengombinasikan keunggulan dari beberapa model guna meningkatkan kinerja klasifikasi. Pada penelitian ini diusulkan metode ensemble berbasis weighted voting dengan menggabungkan tiga arsitektur CNN, yaitu DenseNet, MobileNet, dan Xception, untuk klasifikasi biner Diabetic Retinopathy. DenseNet dipilih karena kemampuannya dalam mengekstraksi fitur yang kaya melalui konektivitas antar lapisan, MobileNet dipilih karena efisiensi komputasi dan ukuran model yang ringan, sedangkan Xception digunakan karena kemampuannya menyeimbangkan kedalaman jaringan dan efisiensi komputasi melalui depthwise separable convolution. Tahapan penelitian meliputi pengumpulan data, pelatihan model, pengujian, serta evaluasi kinerja. Dataset EyePACS digunakan sebagai data pelatihan, sedangkan dataset APTOS dimanfaatkan sebagai data pengujian untuk menguji kemampuan generalisasi model. Hasil eksperimen menunjukkan bahwa metode ensemble yang diusulkan menghasilkan kinerja yang baik dengan nilai akurasi sebesar 85,22%, sensitivitas 70,63%, spesifisitas 99,40%, F1-score 87,21%, serta nilai Cohen’s Kappa sebesar 0,7032. Hasil ini menunjukkan bahwa pendekatan ensemble mampu meningkatkan kinerja klasifikasi dan mengurangi permasalahan overfitting dibandingkan model CNN tunggal, serta berpotensi dikembangkan sebagai sistem pendukung keputusan untuk skrining otomatis Diabetic Retinopathy.
Co-Authors Anita Desiani Annisa Nabila, Annisa Des Alwine Zayanti, Des Alwine Irmeilyana Kesuma, Lucky Indra Kurnia, M Kahfi Aldi Muhammad Ihsan NUNI GOFAR Purwita Sari, Purwita Syarifuddin, Fauzi Yusuf Yuli Andriani Zulhipni Reno Saputra Els