Article Per Year (5 Year)
p-Index From 2021 - 2026
2.144
P-Index
This Author published in this journals
All Journal Panrita Abdi - Jurnal Pengabdian pada Masyarakat Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Journal of Information Technology and Computer Science (JOINTECS) Jurnal Sains dan Teknologi Submit : Jurnal Ilmiah Teknologi Informasi dan Sains
Soffa Zahara
Universitas Islam Majapahit
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Veterinary Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Klasifikasi Citra Penyakit pada Daun Jagung Menggunakan Deep Learning dengan Metode Convolution Neural Network (CNN) Afivah Dwi Nurcahyati; Ronny Makhfuddin Akbar; Soffa Zahara
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 2 No. 1 (2022): Juni 2022
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v2i2.1877

Abstract

Di kecamatan Gedeg, kabupaten Mojokerto mayoritas masyarakat memiliki mata pencaharian sebagai seorang petani tanaman Jagung, namun banyak kendala yang telah dihadapi oleh semua petani yakni gagal panen dikarenakan jenis penyakit yang tidak diketahui jenisnya yang berakibat gagal panen. Permasalahan tersebut dapat diatasi dengan Deep Learning yang menggunakan metode klasifikasi algoritma Convolutional Neural Network (CNN). Menggunakan citra fisik pada daun tanaman jagung, metode CNN dapat membuat klasifikasi melalui model yang dibuat. Peneliti membuat sebuah model untuk dilakukan klasifikasi dengan bagian terdiri dari 4 convolution layer, 2 pooling layer dengan ukuran 2×2, 3 dropout layer, 2 dense layer serta 1 flatten layer. Untuk melakukan aktivasi menggunakan ReLu, beserta 32 dan 64 filter menggunakan 4 macam ukuran kernel yakni 3x2, 3x3, 3x4, 4x4. Dan dilakukan pengujian dengan 900 data gambar yang di mana 720 digunakan sebagai data train dan 180 sebagai data Test. Dengan learning rate sebesar 0.004, 100 epoch serta 6 algoritma performansi sebagai perbandingan yakni algoritma Root Mean Square Propagation (RMSProp), Adaptive Gradient (AdaGrad), Stochastic Gradient descent (SGD), Adaptive Moment (Adam), Adamax, Adadelta. Dan dihasilkan tingkat akurasi tertinggi yang dihasilkan oleh ukuran kernel 3x3 dengan algoritma optimasi Adaptive Moment (Adam) dengan hasil tingkat akurasinya sebesar 84% untuk data test dan 89% untuk data train, pada pengujian Testing dilakukan dengan jumlah 180 data yang didapatkan hasil tertinggi dengan model ukuran kernel 3x3 dengan jumlah true 175 dan jumlah false 5 didapatkan nilai presisi yang dihasilkan sebesar 94%, berdasarkan dengan komposisi warna pada citra.
Aplikasi Bimbingan Belajar Fun Learning Course Erita Devy Prastika; Yesy Diah Rosita; Soffa Zahara
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 2 No. 2 (2022): Desember 2022
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v2i2.2404

Abstract

Penyelenggaraan kegiatan akademik membutuhkan kecepatan dan ketepatan dalam pengolahan data. Hal ini merupakan salah satu bentuk upaya peningkatan pelayanan kepada peserta didik yang menjadi prioritas Lembaga Bimbingan Belajar (LBB) seperti Fun Learning Course (FLC) yang berada di Desa Jeruk Seger, Kecamatan Gedeg, Kabupaten Mojokerto. Pengolahan data akademik di FLC menggunakan Aplikasi Microsoft Excel. Ada kelemahan dalam menggunakan Aplikasi ini yakni penyajian informasi tidak dapat dilakukan secara online yang artinya ada batasan tempat dan waktu. Pada penelitian ini peneliti memberikan solusi berupa pembuatan Aplikasi Lembaga Bimbingan Belajar Fun Learning Course untuk mendukung kinerja pengelola akademik yang lebih terintegrasi. Berdasarkan kuesioner yang diberikan secara acak kepada 100 responden, sistem ini layak untuk diimplementasikan pada FLC dengan tingkat kelayakan 96% dari skala 100%. Kriteria dan bobot penilaian dalam kuesioner meliputi sangat baik, baik, cukup, kurang baik, dan sangat kurang baik dengan bobot berurutan 5, 4, 3, 2, dan 1. Pencapaian bobot kelayakan penggunaan sistem sebesar 96% ini tergolong kriteria sangat baik.
Sistem Informasi Pembayaran Terpadu Pada Yayasan Darut Taqwa Mojokerto Muhammad Darwis; Soffa Zahara; Mimin Fatchiyatur Rohmah
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 3 No. 1 (2023): Juni 2023
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

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

Abstract

Sistem informasi untuk pembayaran terpadu yang ada di Yayasan Darut Taqwa yang selama ini digunakan masih manual, mulai dari input data siswa sampai dengan penyajian data pembayaran siswa. Karena rentannya data hilang, seringnya kesalahan dalam pencatatan, data rusak dan sebagainya yang disebabkan kelalaian pengelola, maka pengelolaan data menjadi tidak efisien dan tidak efektif jika dilakukan secara manual. Oleh karena itu maka solusinya adalah terbentuknya sistem komputerisasi untuk mencari suatu hasil yang terbaik, yaitu sistem informasi pembayaran terpadu. Dalam penelitian ini menggunakan metode pengembangan waterfall. Penelitian ini bertujuan untuk membuat aplikasi pengelolaan data pembayaran berbasis web untuk meningkatkan kinerja dan efisiensi waktu. Aplikasi dikembangkan menggunakan PHP sebagai bahasa pemrograman dan SQL Server sebagai databasenya. Dari hasil uji coba dan implementasi website secara langsung pada Sistem Informasi Pembayaran Terpadu Berbasis Web Pada Yayasan Darut Taqwa maka dapat ditarik kesimpulan bahwa sistem Informasi Pembayaran Terpadu Berbasis Web yang dibuat mampu membuat CRUD data siswa, CRUD data lembaga, CRUD data pembayaran perlembaga, print laporan menjadi lebih efisien dan efektif untuk siswa dan TU atau pengelola pembayaran.
Pemodelan Prediksi Harga Beras Medium Wilayah Jawa Timur Menggunakan Stacked LSTM Yanuarini Nur Sukmaningtiyas; Soffa Zahara; Mimin Fatchiyatur Rohmah; Sugianto Sugianto
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 3 No. 2 (2023): Desember 2023
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v3i2.3061

Abstract

Di Indonesia, salah satu harga komoditas pangan yang mendominasi peringkat harga yang paling fluktuatif tiap harinya yaitu beras. Penyebab paling utama dari permasalahan ini salah satunya yaitu iklim dan cuaca yang berubah-ubah ditambah dengan gangguan hama yang membuat kegagalan panen yang menyebabkan harga beras sering mengalami kenaikan. Jika hal ini tidak segera kunjung diatasi maka akan berpengaruh terhadap efek yang lebih besar yaitu inflasi. Hadirnya teknologi prediksi atau bisa disebut peramalan dalam harga beras sangat dibutuhkan untuk mempersiapkan kenaikan harga pada waktu tertentu dan sebagai landasan barbagai macam kebijakan untuk menanggulangi lonjakan harga beras yang tak terhindarkan di kemudian hari. Penelitian ini bertujuan melakukan prediksi rerata harga beras medium wilayah Jawa Timur dengan data harian yang diambil dari Sistem Informasi Ketersediaan dan Perkembangan Harga Bahan Pokok di Jawa Timur. Metode yang digunakan yaitu salah satu metode Deep Learning yaitu Stacked LSTM (Long Short-Term Memory). Stacked LSTM merupakan jenis LSTM yang mempunyai lebih dari 1 hidden layer. Selain itu 8 jenis variasi algoritma optimasi juga dilakukan untuk mencapai akurasi terbaik saat melakukan prediksi harga beras. Dari hasil pengujian akurasi terbaik dengan nilai RMSE 10912.197367298677 adalah algoritma optimasi Adamax
Co-Authors Afivah Dwi Nurcahyati Andhika C.P. Anita Atika Isnaining Dyah Eko Sutrisno Erita Devy Prastika Feriyanto Nur Awaludhin Gugut Indartak Lovi Sandra Luki Ardiantoro M. Bahril Ilmiddafiq Meinanda Pratiwi Mimin Fatchiyatur Rohmah Mohammad Joevan Handyyansyah Mohammad Muslimin Muhammad Darwis Raida Amelia Ifadah Ratna Dhamayanti Ronny Makhfuddin Akbar Sugianto Sugianto Sugianto Sugianto Sugianto Yanuarini Nur Sukmaningtyas Yesy Diah Rosita