Article Per Year (5 Year)
p-Index From 2021 - 2026
3.035
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 Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Sains dan Teknologi SOROT: Jurnal Pengabdian Kepada Masyarakat Submit : Jurnal Ilmiah Teknologi Informasi dan Sains Journal of Renewable Energy and Smart Device
Soffa Zahara
Universitas Islam Majapahit
Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education 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 : 19 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 19 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
Pengaruh Jumlah Hidden Layer dan Neuron pada Model Multilayer Perceptron untuk Prediksi Emas Soffa Zahara; Yanuarini Nur Sukmaningtyas; Ronny Makhfuddin Akbar; Muhammad Zainul Abidin
Jurnal Ilmiah ILKOMINFO - Ilmu Komputer & Informatika Vol 8, No 2 (2025): Juli
Publisher : Akademi Ilmu Komputer Ternate

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47324/ilkominfo.v8i2.309

Abstract

Abstrak: Pemilihan kombinasi banyaknya hidden layer dan neuron sangat menentukan performansi model deep learning. Terlalu sedikit hidden layer dan neuron yang digunakan dapat menyebabkan rendahnya akurasi, sedangkan jika terlalu banyak maka dapat meningkatkan kompleksitas pemrosesan sehingga sampai saat ini masih belum ada pedoman kombinasi tetap untuk menentukan jumlah hidden layer dan neuron. Penelitian ini bertujuan untuk mengobservasi pengaruh variasi hidden layer dan neuron, dalam kinerja akurasi metode Multilayer Perceptron dengan variasi dari 1 sampai 6 lapis hidden layer. Data yang digunakan yaitu harga emas ANTAM harian mulai dari Bulan Januari tahun 2010 sampai dengan Januari 2024. Berdasarkan hasil pengujian didapatkan hasil kombinasi hidden layer dan neuron dengan nilai MSE terkecil yaitu 1-100-100-100-100-100-100-1 dengan nilai MSE 0.0001507, membuktikan bahwa semakin banyak hidden layer maka akurasi akan semakin tinggi, begitu juga dengan semakin banyaknya jumlah neuron di setiap layer maka tingkat kesalahan model akan semakin rendah.Kata kunci: Multilayer Perceptron, Hidden Layer, Neuron, PrediksiAbstract: The choice of the combination of the number of hidden layers and neurons greatly determines the performance of the deep learning model being built. Too few hidden layers and neurons used can cause low accuracy, whereas too many can increase processing complexity so that up to now there are still no fixed combination guidelines for determining the number of hidden layers and neurons. This research aims to observe the influence of hidden layer and neuron variations on the accuracy performance of the Multilayer Perceptron method with variations from 1 to 6 hidden layers. The data used is the daily ANTAM gold price from January 2010 to January 2024. Based on test results, it is proven that the more hidden layers, the higher the accuracy, as well as the greater the number of neurons in each layer, the higher the model error rate. getting lower.Keywords: Multilayer Perceptron, Hidden Layer, Neuron, Forecasting
PENDAMPINGAN OPTIMASI PEMASARAN PRODUK UNGGULAN DESA KEMANTREN BERBASIS DIGITAL Soffa Zahara; Erna Tri Asmorowati; Andhika Cahyono Putra
Community Development Journal : Jurnal Pengabdian Masyarakat Vol. 5 No. 6 (2024): Vol. 5 No. 6 Tahun 2024
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/cdj.v5i6.34622

Abstract

Produk unggulan desa merupakan salah satu usaha peningkatan kesejahteraan ekonomi masyarakat dengan ciri khas yang berbeda dari daerah lain. Salah satu kendala dari proses pengembangan usaha produk unggulan Desa Kemantren yaitu kurangnya optimalnya pemasaran dan penjualan secara online. Sedangkan manfaat dari digital marketing diantaranya efisiensi biaya dan waktu, fleksibel dan interaktif, jangkauan pasar yang sangat luas, serta mudah diukur dari segi dampak pada penjualan. Tujuan kegiatan pengabdian masyarakat ini yaitu meningkatkan literasi dan kompetensi pemilik UMKM di Desa Kemantren dalam pemasaran secara online atau digital marketing sehingga produk unggulan yang dimiliki dapat menjangkau luar wilayah daerah. Kegiatan pengabdian masyarakat ini menggunakan beberapa aplikasi media sosial diantaranya Google My Business, Tiktok, Instagram, Canva, dan Website sebagai alat bantu pemasaran digital. Kegiatan dimulai dari tahap pelatihan, dilanjutkan dengan pendampingan yang dilakukan selama 2 minggu. Monitoring dan evaluasi dilaksanakan secara periodik tiap minggu untuk memantau perkembangan pemasaran digital tiap UMKM. Hasil dari pendampingan ini yaitu pemilik UMKM telah mampu menguasai teknik digital marketing dan menerapkannya dalam promosi di berbagai media sosial.
Implementasi Mediapipe dan Long Short-Term Memory (LSTM) Untuk Pengenalan Gesture Bahasa Isyarat Indonesia (BISINDO) Secara Real-Time M Feri Ardiyansyah; Soffa Zahara; Yanuarini Nur Sukmaningtyas
SUBMIT: Jurnal Ilmiah Teknologi Infomasi dan Sains Vol. 6 No. 1 (2026): Juni 2026
Publisher : Program Studi Teknik Informatika, Universitas Islam Majapahit Mojokerto, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36815/submit.v6i1.4740

Abstract

Komunikasi antara penyandang Tuli dan masyarakat umum sering mengalami hambatan karena perbedaan media komunikasi yang digunakan. Penelitian ini bertujuan mengembangkan sistem pengenalan Bahasa Isyarat Indonesia (BISINDO) secara real-time menggunakan MediaPipe dan Long Short-Term Memory (LSTM). Dataset yang digunakan terdiri dari 25 kelas gesture dengan total 2.500 sampel. MediaPipe digunakan untuk mengekstraksi landmark tangan, sedangkan LSTM digunakan untuk mengklasifikasikan gesture BISINDO. Hasil evaluasi model menunjukkan nilai accuracy, precision, recall, dan F1-score sebesar 100%, sedangkan pengujian real-time memperoleh akurasi sebesar 91,76%. Sistem juga mampu menampilkan hasil deteksi dalam bentuk teks, menyusun kalimat sederhana, serta mengubah hasil deteksi menjadi suara melalui fitur Text-to-Speech. Hasil penelitian menunjukkan bahwa kombinasi MediaPipe dan LSTM mampu mengenali gesture BISINDO secara efektif untuk mendukung komunikasi yang lebih inklusif.
A Cyber-Physical Approach to Black Soldier Fly Cultivation: Integrating IoT Monitoring with Adaptive Watering Control Rini Puji Astutik; Arbi Alfian Mas'ud; Muhammad Ramadhani; Samsudin Nur; Soffa Zahara; Mohammad Muslimin
Journal of Renewable Energy and Smart Device Vol. 3 No. 2 April 2026
Publisher : PT. Global Research Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66314/joresd.v3i2.668

Abstract

This article details the creation and deployment of an IoT-integrated system designed for the activated watering and environmental supervision of Black Soldier Fly (BSF) maggot production. Given that maggot yield is heavily reliant on precise climate control, traditional manual techniques often fall short due to their labor-intensive nature and susceptibility to human error. The implemented solution utilizes an ESP32 microcontroller interfaced with an SHT20 sensor to monitor temperature and humidity, managing three key actuators: a heating element, a cooling fan, and a water pump. Communication is facilitated through the Telegram Bot API, offering both a manual override and an autonomous mode driven by a Mamdani fuzzy logic engine. Experimental results confirmed the system's high precision, with temperature and humidity sensing showing accuracies of 99.13% and 99.27%, respectively. Furthermore, evaluations of the fuzzy logic controller across 12 trials proved its capability to maintain optimal conditions without operational conflicts. This system offers a scalable approach to modernizing insect-based agriculture by stabilizing environmental parameters and reducing operational overhead
Pendampingan Optimalisasi Budidaya Maggot Black Soldier Fly Berbasis Internet of Things Soffa Zahara; Mohammad Muslimin; Rini Puji Astutik; Erlangga Dimas Suryadi; Julyant Marco Melandry; Chindy Alvionita Bana Pah
SOROT : Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 2 (2026): Juli
Publisher : Fakultas Teknik dan Ilmu Komputer (FASTIKOM) UNSIQ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32699/3mepx469

Abstract

Pengelolaan sampah organik masih menjadi tantangan berat di Indonesia. Pemanfaatan Maggot atau Larva Black Soldier Fly (BSF) sebagai agen biokonversi sampah organik merupakan salah satu metode yang telah banyak diterapkan. Namun, keberhasilan budidaya Maggot BSF sangat dipengaruhi oleh kondisi lingkungan, khususnya suhu dan kelembapan kandang budidaya. Ketidaksesuaian kondisi tersebut dapat menyebabkan pertumbuhan larva tidak optimal bahkan meningkatkan risiko kematian. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring serta kontrol suhu dan kelembapan kandang Maggot BSF berbasis sensor pada unit pengolahan sampah organik yang dikelola oleh Badan Usaha Milik Desa (BUMDes) Kabatren Sejahtera Desa Kemantren Kabupaten Mojokerto. Metode yang digunakan identifikasi permasalahan, perancangan dan implementasi sistem selama dua bulan, pelatihan intensif dan pendampingan terstruktur selama 4 minggu serta evaluasi. Sistem yang dibangun menggunakan mikrokontroler ESP32 NodeMCU dan sensor DHT22 yang terintegrasi dengan Telegram Bot untuk memantau dan mengontrol kondisi lingkungan secara realtime. Hasil implementasi menunjukkan bahwa sistem mampu membantu pengelola kandang dalam menjaga kondisi lingkungan yang ideal bagi pertumbuhan Maggot BSF. Hasil pengujian menunjukkan seluruh 14 fitur sistem monitoring dan kontrol berhasil berfungsi optimal dengan persentase keberhasilan pembacaan sensor mencapai 98,4% dan latensi respons perintah 1,2–2,8 detik. Dari aspek pemberdayaan, terjadi peningkatan rata-rata nilai kognitif mitra dari pre-test 42,0 menjadi 87,5 pada post-test. Implementasi teknologi ini berhasil mengubah pola kerja pengelola menjadi berbasis data, meningkatkan efisiensi waktu pemantauan, menstabilkan suhu siang hari pada kisaran ideal suhu 28℃-32℃.
Co-Authors Afivah Dwi Nurcahyati Andhika C.P. Andhika Cahyono Putra Anita Arbi Alfian Mas'ud Atika Isnaining Dyah Chindy Alvionita Bana Pah Eko Sutrisno Erita Devy Prastika Erlangga Dimas Suryadi Erna Tri Asmorowati Feriyanto Nur Awaludhin Gugut Indartak Julyant Marco Melandry Lovi Sandra Luki Ardiantoro M Feri Ardiyansyah M. Bahril Ilmiddafiq Meinanda Pratiwi Mimin Fatchiyatur Rohmah Mohammad Joevan Handyyansyah Mohammad Muslimin Mohammad Muslimin Muhammad Darwis Muhammad Ramadhani Muhammad Zainul Abidin Raida Amelia Ifadah Ratna Dhamayanti Rini Puji Astutik Ronny Makhfuddin Akbar Samsudin Nur Sugianto Sugianto Sugianto Sugianto Sugianto Yanuarini Nur Sukmaningtyas Yesy Diah Rosita