Article Per Year (5 Year)
p-Index From 2021 - 2026
1.683
P-Index
This Author published in this journals
All Journal MATICS : Jurnal Ilmu Komputer dan Teknologi Informasi (Journal of Computer Science and Information Technology) Jurnal EECCIS POSITIF ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Antivirus : Jurnal Ilmiah Teknik Informatika Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Teknik Informatika (JUTIF) Prima Abdika: Jurnal Pengabdian Masyarakat Journal of Community Service Jurnal ilmiah teknologi informasi Asia Jurnal Abdimas Mahakam
Achmad Noercholis
Institut Teknologi Dan Bisnis ASIA Malang
Arts Humanities Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Perancangan dan Pembuatan Website Majelis Ulama Indonesia Kota Batu Malang Farokhah, Lia; Noercholis, Achmad; Ahda, Fadhli Almu’iini; Sulistyo, Danang Arbian; Rofiq, Muhammad
Prima Abdika: Jurnal Pengabdian Masyarakat Vol. 4 No. 1 (2024): Volume 4 Nomor 1 Tahun 2024
Publisher : Program Studi Pendidikan Guru Sekolah Dasar Universitas Flores Ende

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37478/abdika.v4i1.3746

Abstract

Community service is one of the activities required for lecturers at Institut Teknologi dan Bisnis ASIA Malang every semester. This activity is carried out in groups to distribute knowledge to the community. This activity is in partnership with the Batu City MUI in creating a digital website for distribution of information to the wider community. Problems arise when a partner's website is hacked or damaged by a hacker. The service team wanted to teach how to recover or mitigate after damage, but the technical team could not provide information regarding the website and suggested creating a new website. In the initial stage, this service will create a new website. The method of this service approach is to carry out discussions in group discussion forums (FGD). The results of the discussion were realized in the form of a website for the Batu City MUI. Evaluations were carried out regarding design and functionality requirements. The partners are satisfied but it must be developed further. In ongoing collaboration this website will continue to be developed. After that, training in mitigating data when exposed to hackers will be carried out in the next service.
Peningkatan Literasi Pengetahuan Kesehatan dan Teknologi untuk Pencegahan dan Deteksi Penyakit Menggunakan Digital Image processing Lia Farokhah; Achmad Noercholis; Fadhli Almuiini Ahda; Muhammad Rofiq; Danang Arbian Sulistyo
Jurnal Abdimas Mahakam Vol. 5 No. 02 (2021): Juli
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

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

Abstract

Pada era sekarang, penyakit muncul bervariasi. Alat kesehatan di Indonesia sangat bergantung dengan impor karena beberapa produk yang dibutuhkan tidak diproduksi di dalam negeri. Selain itu, harganya menjadi cukup mahal. Adapun tujuan dari pengabdian ini adalah meningkatkan literasi mengikuti model The European Health Literacy Survey: the 12 subdimensions. Adopsi model ini diharapkan akan pada tahap dimensi menilai atau mengevaluasi informasi yang relevan dengan kesehatan. Metode yang digunakan adalah edukasi masyarakat khususnya perguruan tinggi yang memiliki fokus keilmuan teknologi dan kesehatan untuk meningkatkan literasi kesehatan. Adapun hasil yang didapatkan selama pengabdian melalui kolaborasi webinar adalah cukup bagus untuk meningkatkan literasi kesehatan. Hal ini didasarkan atas fakta saat proses tanya jawab dalam penggalian informasi. kolaborasi dua keilmuan yaitu kesehatan dan teknologi bisa membuat alat deteksi maupun pencegahan penyakit yang lebih murah namun akurat menggunakan sistem cerdas.
Analisis Komparatif Arsitektur CNN untuk Klasifikasi Penyakit Daun Tebu Berbasis Transfer Learning Fakhrur Rofiq; Achmad Noercholis
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3431

Abstract

Classifying sugarcane leaf diseases is critical in modern cultivation, because symptoms are often difficult to identify accurately through visual inspection alone. This study compares the performance of three Convolutional Neural Network (CNN) architectures Xception, EfficientNetB0, and ResNet50 using transfer learning on a dataset of 2,521 sugarcane leaf images grouped into five disease classes. A preprocessing stage, including image resizing, was applied to all samples. The data were then split into 80% training, 10% validation, and 10% testing sets. Each model was trained with the same training configuration to ensure a fair comparison, with consistent hyperparameters across experiments. Testing results indicate that EfficientNetB0 achieved the most stable performance with 99.5% accuracy, followed by ResNet50 at 98.2%, whereas Xception yielded the lowest performance due to training instability. These findings suggest that CNN architectures optimized via network-scaling efficiency better handle visual variability in sugarcane leaf disease images.Keywords: Sugarcane Leaf Disease; Transfer Learning; Xception; EfficientNetB0; ResNet50. AbstrakKlasifikasi penyakit daun tebu sangat penting dalam praktik budidaya modern, karena gejala penyakit sering kali sulit diidentifikasi secara akurat hanya melalui pengamatan visual. Studi ini mengkomparasi kinerja tiga arsitektur Convolutional Neural Network (CNN), yaitu Xception, EfficientNetB0, dan ResNet50, menggunakan pendekatan transfer learning pada dataset 2.521 citra daun tebu yang dibagi ke dalam lima kelas penyakit. Tahap pra proses yang mencakup penyesuaian ukuran diterapkan pada seluruh citra. Selanjutnya, data dibagi menjadi 80% data pelatihan, 10% data validasi, dan 10% data pengujian. Setiap model dilatih menggunakan konfigurasi pelatihan yang seragam untuk memastikan perbandingan yang adil. Hasil pengujian menunjukkan bahwa EfficientNetB0 memiliki performa paling stabil dengan akurasi 99,5%, diikuti oleh ResNet50 dengan akurasi 98,2%, sedangkan Xception menunjukkan performa terendah akibat ketidakstabilan selama pelatihan. Temuan ini menunjukkan bahwa arsitektur CNN yang dioptimalkan melalui pendekatan efisiensi skala jaringan lebih mampu menangani variasi visual pada citra penyakit daun tebu. 
Co-Authors Agus Rahman Alamsyah Akbar, Dzikrullah Asmoro, Zain Bagus Dwi Didik Suprayitno Fadhli Almu’iini Ahda Fakhrur Rofiq Farokhah, Lia Fransiska Sisilia Mukti Ike Kusdyah Rachmawati M. Aziz Muslim Maftuch Maftuch Mohammad Zainuddin, Mohammad Muhammad Luqman Hakim Muhammad Rofiq Muhammad Rofiq Suastika Yulia Riska Sulistyo, Danang Arbian Titania Dwi Andini