Article Per Year (5 Year)
p-Index From 2020 - 2025
1.235
P-Index
This Author published in this journals
All Journal Journal of Information System INTECOMS: Journal of Information Technology and Computer Science Building of Informatics, Technology and Science Abdimasku : Jurnal Pengabdian Masyarakat Journal of Soft Computing Exploration
Edi Faisal
Fakultas Ekonomi Universitas Syiah Kuala
Computer Science & IT Economics, Econometrics & Finance Health Professions Industrial & Manufacturing Engineering Social Sciences

Published : 7 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search

 1 
Rancang Bangun Sistem Informasi Penjualan Bulu Mata Berbasis Website Dengan Metode Waterfall Pada CV. Cantika Purbalingga Afrellint, Venansius; Kardianawati, Acun; -, Suharnawi; Faisal, Edi; Winarno, Agus
JOINS (Journal of Information System) Vol. 8 No. 1 (2023): Edisi Mei 2023
Publisher : Program Studi Sistem Informasi, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v8i1.7071

Abstract

CV Cantika merupakan sebuah pabrik kecil bulumata yang telah berdiri sejak 2012 hingga sekarang ini masih terus beroperasi dan lebih berkembang. Proses bisnis yang berjalan pada CV Cantika masih konvensional atau dilakukan secara manual. Kegiatan pencatatan keuangan, pembuatan laporan dan penerimaan barang masih sering terjadi kesalahan saat mengolah data. CV Cantika tidak dapat menjalankan proses bisnisnya selama 24 jam karena karyawan hanya bekerja di jam kerja saja dan tidak bisa menerima pesanaan diluar jam kerja. Untuk meningkatkan volume penjualan perlu diangun sebuah aplikasi e-commerce berbasis website menggunakan metode waterfall yang dapat digunakan oleh karyawan atau staff pada CV Cantika yang terletak di Kabupaten Purbalingga, Jawa Tengah. Sehingga dapat mencapai target dalam menggait pelanggan secara luas, meningkatkan keuntungan, bisa menjalankan proses bisnisnya selama 24 jam serta bisa melayani pelanggan diluar jam kerja karyawan. Aplikasi yang dibangun adalah aplikasi website pada CV Cantika yang memiliki fungsi manajemen produk, laporan penjualan, pemesanan barang, bermacam metode pembayaran dan melacak pesanan.
An optimum hyperparameters of restnet-50 for orchid classification based on convolutional neural network Alvian Ideastari, Nukat; Atika Sari, Christy; Faisal, Edi; Arifin, Zaenal; Danang Krismawan, Andi; Muslih, Muslih
Journal of Soft Computing Exploration Vol. 5 No. 1 (2024): March 2024
Publisher : SHM Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52465/joscex.v5i1.297

Abstract

There are many types of orchids in Indonesia, such as Phalaenopsis Amabilis (Moon Orchid), Cattleya, etc. Because the shape and color of each orchid flower looks the same, a system is needed that can classify orchid flowers. In this research, we will use a system using a Convolutional Neural Network with ResNet50 architecture to classify orchid species. There are 4 types of orchids that will be used, namely Moon Orchids, xDoritaenopsis Orchids, Cattleya Orchids, and Coelogyne Pandurata Orchids (1000 datasets for each type). The aim of this research is to implement deep learning using the Convolutional Neural Network method combined with the ResNet50 architecture and identifying the types of orchid flowers and calculating accuracy when identifying orchid flower types. This research uses 4000 orchid image datasets, with a data split of 80:20 so that 800 images are used as training data and 200 as test data. ResNet50 uses a confusion matrix evaluation, namely Accuracy, Precision, Recall, Specificity and F1-score with epochs 10, 20, 30, 40. From the research that has been carried out, it produces the highest accuracy on Test Data with the 30th epoch, reaching 98.87%. and the lowest accuracy on Test Data with the 10th epochs which produces an accuracy of 97.75%.
Peningkatan Kesadaran Masyarakat Desa Jatimulyo Dalam Pengelolaan Lingkungan Melalui Implementasi Bank Sampah Hadi, Heru Pramono; Jannah, Safira Baiti; Cahyani, Tiara Indah; Suhariyanto, Suhariyanto; Faisal, Edi
ABDIMASKU : JURNAL PENGABDIAN MASYARAKAT Vol 8, No 1 (2025): JANUARI 2025
Publisher : LPPM UNIVERSITAS DIAN NUSWANTORO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62411/ja.v8i1.1934

Abstract

Desa Jatimulyo terletak di Kecamatan Bonang, Kabupaten Demak, Provinsi Jawa Tengah, Indonesia. Berdasarkan data kampung KB BKKBN tahun 2017, jumlah penduduk pada Desa Jatimulyo adalah 3.358 Jiwa, dengan persentase data yang ada terdapat 36,74% masyarakat bekerja dan 63,26% masyarakat tidak bekerja. Tim PPK Ormawa DPM FIK UDINUS berkolaborasi dan bermitra dengan Desa Jatimulyo sebagai kesepakatan dilaksanakannya Program Sapta Literacy Corner (SATERNER), dan salah satunya adalah Program Workshop Literasi EcoLife mengenai pengelolaan barang bekas menjadi produk kerajinan serta implementasi pembentukan bank sampah sebagai sarana kesadaran masyarakat akan pelestarian lingkungan. Dalam pelaksanaan program ini menggunakan metode PAR (Participatory Action Research) dengan beberapa tahapan yaitu observasi, diskusi kelompok, workshop, serta evaluasi pre dan post test. Dari pelaksanaan program ini menunjukkan adanya peningkatan yang signifikan dari segi pengetahuan dan kesadaran peserta akan upaya-upaya dalam menjaga dan melestarikan lingkungan. 
Perancangan Sistem Seleksi Lomba Gita Dian Nuswa Menggunakan Metode SAW dan TOPSIS Agustian, Tan Ivan; Faisal, Edi
JOINS (Journal of Information System) Vol. 9 No. 2 (2024): Edisi November 2024
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v9i2.11538

Abstract

Paduan Suara Mahasiswa Gita Dian Nuswa Adalah adalah sebuah Unit Kegiatan Mahasiswa (UKM) Universitas Dian Nuswantoro. dalam mengikuti perlombaan, terdapat beberapa hal yang menjadi permasalahan, terutama pada saat menentukan anggota mana saja yang mengikuti tim lomba.Simple Addictive Weighting (SAW) merupakan suatu metode penentuan pilihan optimal dari beberapa pilihan berdasarkan kriteria tertentu. sedangkan TOPSIS merupakan metode pengambilan keputusan multi kriteria yang dapat menentukan solusi terhadap kasus yang ada berdasarkan proses minimalisasi secara simultan dari titik jarak ideal dan proses maksimalisasi jarak dari titik terendah.Penggunaan metode SAW untuk melakukan perhitungan terhadap nilai normalisasi matriks keputusan terbobot. sedangkan metode TOPSIS digunakan untuk meningkatkan akurasi dari perhitungan nilai preferensi. nilai preferensi yang dihasilkan nantinya akan berada pada rentang 0 hingga 100 dan dapat digunakan untuk melakukan penyeleksian terhadap anggota tim lomba.
Tingkat Keterampilan Literasi Informasi Mahasiswa Berdasarkan Kerangka Shapiro di Era Digital Pramudi, Yuventius Tyas Catur; Faisal, Edi; Darmesta, Gabriel T.Y.
JOINS (Journal of Information System) Vol. 10 No. 1 (2025): Edisi Mei 2025
Publisher : Fakultas Ilmu Komputer, Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/joins.v10i1.12934

Abstract

Perkembangan pesat teknologi digital telah mengubah cara mengakses dan menggunakan informasi. Penelitian ini bertujuan menganalisis tingkat literasi informasi mahasiswa Universitas Dian Nuswantoro (UDINUS) berdasarkan kerangka Shapiro di era digital. Menggunakan metode deskriptif kuantitatif dengan kuesioner daring, data dikumpulkan dari 69 mahasiswa yang sedang mengambil mata kuliah Literasi Informasi. Hasil menunjukkan 92,8% mahasiswa berada pada tingkat menengah, 5,8% tingkat tinggi, dan 1,4% tingkat rendah. Temuan mengindikasikan bahwa meskipun mahasiswa memiliki keterampilan pencarian informasi dasar, tetapi perlu peningkatan dalam evaluasi kritis dan penggunaan informasi secara etis. Penelitian ini memberikan rekomendasi untuk pengembangan kurikulum dan metode pembelajaran guna meningkatkan kompetensi literasi bagi mahasiswa. Penguatan mata kuliah Literasi Informasi sebaiknya mencakup pembelajaran berbasis proyek (Project Based Learning), penggunaan AI tools secara etis, dan latihan berpikir kritis berbasis kasus nyata (Case Based Learning).  
DETEKSI PENYAKIT DAUN PADI MENGGUNAKAN DEEP LEARNING DENGAN ARSITEKTUR CNN Suciani, Ratih; Arya Anugra, Daru; Faisal, Edi
INTECOMS: Journal of Information Technology and Computer Science Vol. 8 No. 5 (2025): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/9112kc41

Abstract

Padi merupakan komoditas pangan utama yang sangat penting bagi ketahanan pangan di Indonesia. Namun, serangan penyakit pada daun padi seperti Tungro, Blast, dan Blight dapat mengancam produktivitas secara signifikan. Identifikasi penyakit secara manual cenderung tidak efisien dan rentan terhadap kesalahan, sehingga diperlukan solusi berbasis teknologi untuk deteksi yang cepat dan akurat. Penelitian ini mengembangkan sistem deteksi penyakit daun padi menggunakan metode deep learning dengan arsitektur Convolutional Neural Network (CNN). Dataset yang digunakan terdiri dari 4.684 citra daun padi yang telah diklasifikasikan ke dalam tiga kategori penyakit. Proses preprocessing mencakup normalisasi citra, konversi warna, dan penyesuaian dimensi input. Arsitektur CNN yang digunakan mencakup tiga lapisan konvolusi dengan aktivasi ReLU, dua lapisan pooling, satu lapisan dense dengan dropout, dan satu output layer dengan aktivasi softmax untuk klasifikasi multikelas. Hasil evaluasi menunjukkan akurasi hingga 99,57% dengan F1-score, precision, dan recall yang konsisten di atas 95% pada semua kelas. Konvergensi model stabil dan tidak menunjukkan gejala overfitting. Dengan hasil tersebut, sistem ini terbukti efektif dan dapat diandalkan sebagai alat bantu diagnosis penyakit daun padi secara otomatis. Implementasi teknologi ini diharapkan dapat meningkatkan efisiensi deteksi dini penyakit dan membantu petani dalam pengambilan keputusan, sehingga mendukung praktik pertanian presisi yang berkelanjutan di Indonesia. Kata kunci: deteksi penyakit, daun padi, deep learning, CNN, klasifikasi citra
Perbandingan Multi Algoritma Klasifikasi dan Tuning Parameter untuk Prediksi Ketergantungan Skincare Berbasis Streamlit Kuncoro, Aneira Vicentiya; Ni’mah, Laila Maulin; Faisal, Edi
Building of Informatics, Technology and Science (BITS) Vol 7 No 2 (2025): September 2025
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/bits.v7i2.7897

Abstract

The use of skincare products in Indonesia has increased significantly along with the increasing public awareness of the importance of skincare, but this also raises indications of dependence behaviour that needs to be anticipated, especially in young age groups. This research aims to build a skincare dependency prediction system based on demographic, psychological and behavioural attributes collected through an online survey. In addition, a comparison of five classification algorithms-Decision Tree, Random Forest, Support Vector Machine, K-Nearest Neighbors, and Logistic Regression-was conducted to determine the best model that is most accurate and efficient in predicting the dependency tendency. The data obtained was processed through normalisation and categorical feature transformation with One-Hot Encoding, then evaluated using accuracy, precision, recall, and F1-score metrics. The results showed that the Decision Tree algorithm provided the best performance with accuracy reaching 87% and excellence in model interpretability. The model was then implemented in the form of an interactive web application based on Streamlit that allows users to make predictions independently and in real-time. The contribution of this research is the availability of a prediction system that supports education and wiser decision-making in the use of skincare, as well as opening up opportunities for the utilisation of machine learning technology for other issues.
Co-Authors -, Suharnawi Acun Kardianawati Afrellint, Venansius Agus Winarno, Agus Agustian, Tan Ivan Alvian Ideastari, Nukat Arya Anugra, Daru Cahyani, Tiara Indah Christy Atika Sari Danang Krismawan, Andi Darmesta, Gabriel T.Y. Hadi, Heru Pramono Jannah, Safira Baiti Kuncoro, Aneira Vicentiya Muslih Muslih Ni’mah, Laila Maulin Suciani, Ratih Suhariyanto Suhariyanto Yuventius Tyas Catur Pramudi Zaenal Arifin