Article Per Year (5 Year)
p-Index From 2021 - 2026
4.136
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jusikom : Jurnal Sistem Komputer Musirawas Explore IT : Jurnal Keilmuan dan Aplikasi Teknik Informatika Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Tekinkom (Teknik Informasi dan Komputer) Journal of Intelligent Decision Support System (IDSS) GUYUB: Journal of Community Engagement Journal of Electrical Engineering and Computer (JEECOM) Jurnal Aplikasi Teknologi Informasi dan Manajemen (JATIM) COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Jurnal Rekayasa Sistem Informasi dan Teknologi Akiratech Proceeding Of International Conference On Education, Society And Humanity Mumtaza: Journal of Community Engagement Berbakti
Fathur Rizal
Universitas Nurul Jadid
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mechanical Engineering Neuroscience Social Sciences Transportation Other

Published : 26 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 26 Documents
Search

 1   2   3 
Pelatihan Teknologi Digital: Sistem Manajemen Iuran Warga Berbasis Website untuk Paguyuban Fathur Rizal; Zainullah Multazam; Illiyah Ibnul Basit; Alvin, Alvin; Sulaiman, Sulaiman
BERBAKTI: Jurnal Pengabdian Kepada Masyarakat Vol. 1 No. 02 (2024): ISSUE DESEMBER
Publisher : PT. Mifandi Mandiri Digital

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

Abstract

Pengelolaan iuran warga di lingkungan perumahan atau paguyuban adalah elemen kunci yang mempengaruhi kelancaran kegiatan sosial dan pembangunan fasilitas bersama. Namun, penggunaan sistem manual di Paguyuban De Tanjung Raya Residence menyebabkan proses pencatatan dan pelaporan yang memakan waktu, rentan kesalahan, dan sulit diakses oleh seluruh anggota. Oleh karena itu, pengenalan dan pelatihan teknologi digital melalui sistem manajemen iuran berbasis website diharapkan dapat meningkatkan efisiensi dan transparansi pengelolaan keuangan komunitas. Sistem ini memungkinkan pengelolaan iuran warga secara otomatis, real-time, dan transparan, yang mempermudah pengecekan status iuran dan meningkatkan partisipasi warga. Program pengabdian ini dilaksanakan dalam tiga tahap utama: persiapan, pelaksanaan, dan evaluasi. Pada tahap persiapan, dilakukan koordinasi antara pengurus paguyuban, tim pelatihan, dan pihak terkait untuk merancang rencana kegiatan dan materi pelatihan. Tahap pelaksanaan dibagi menjadi dua sesi, yakni untuk pengurus paguyuban dan koordinator gang, dengan tujuan agar kedua kelompok memahami dan dapat mengimplementasikan aplikasi dengan baik. Evaluasi dilakukan untuk mengukur pemahaman peserta terhadap penggunaan aplikasi dan efektivitas program. Hasil evaluasi menunjukkan bahwa peserta dapat mengoperasikan aplikasi dengan baik, yang meningkatkan transparansi pengelolaan dana dan memperkuat solidaritas antarwarga. Program ini diharapkan memberikan dampak positif dalam meningkatkan pengelolaan keuangan komunitas yang lebih efisien dan inklusif
Pendampingan Digitalisasi Dokumen Sekolah Dasar Berbasis Cloud menggunakan Google Workspace Fathur Rizal; Muhammad Kholilul Hamdani; Moh. Maftuh; Moh. Rusdiyanto
Transformative Service Journal Vol 1 No 3 (2025): Desember
Publisher : Yayasan Literasi Altruis Khatulistiwa

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

Abstract

The dominance of manual administration systems and low digital literacy are structural barriers to document management at Maesan District Elementary Schools. This community service activity aims to transform school administrative governance through the use of Google Workspace for Education, involving 20 participants consisting of administrative staff, school operators, and administrative teachers who have a very low initial competency level (score of 18.3%). The implementation method uses a participatory approach based on Problem-Based Learning and hands-on practice supported by infrastructure from partner CV. Nafiatul Ummah. The intervention was carried out through training on Cloud Storage features, document collaboration, and data management. The evaluation results showed a significant increase in competency of 71.7 points, with the average final score of participants reaching 90%. Real indicators of success are seen in the formation of a structured digital archive ecosystem, including the digitization of student master data, daily attendance automation using Google Forms, and efficient financial reporting based on Google Sheets, which has been proven to reduce work time from days to minutes. This program recommends the institutionalization of digitalization SOPs and ongoing technical assistance to ensure the long-term independence and security of school data.
Implementasi CNN dan TensorFlow Lite untuk Deteksi Penyakit Daun Padi Berbasis Android Rizal, Fathur; Sa'idi, M. Latip; Hidayat, Moh. Umzeb Rizki
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13244

Abstract

Penyakit pada daun padi seperti Bacterial Leaf Blight, Brown Spot, dan Leaf Smut masih menjadi ancaman signifikan bagi produktivitas pertanian di Indonesia. Identifikasi konvensional yang mengandalkan observasi visual oleh petani maupun penyuluh bersifat subjektif, memerlukan waktu, dan kurang efisien, khususnya di wilayah terpencil. Menjawab tantangan tersebut, penelitian ini mengembangkan sistem deteksi penyakit daun padi berbasis Convolutional Neural Network (CNN) yang dioptimalkan melalui TensorFlow Lite dan diimplementasikan pada aplikasi Android. Pendekatan yang digunakan bersifat kuantitatif-eksperimental dengan tahapan utama meliputi pengumpulan serta pra-pemrosesan citra daun padi, pelatihan model CNN untuk tiga kelas penyakit, konversi model ke format .tflite, dan integrasi ke dalam aplikasi. Dataset bersumber dari platform Kaggle dengan total 4.684 citra yang dibagi secara proporsional untuk pelatihan, validasi, dan pengujian. Evaluasi kinerja dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan ketiga kelas penyakit dengan akurasi uji 99%. Implementasi pada Android memungkinkan pengguna mengunggah atau mengambil citra secara langsung untuk dianalisis offline dan real-time, dengan antarmuka yang ringkas dan mudah digunakan. Secara keseluruhan, sistem deteksi berbasis CNN dan TensorFlow Lite ini terbukti efektif untuk diagnosis penyakit daun padi serta berpotensi menjadi solusi portabel yang mendukung praktik pertanian presisi di lapangan.
Interactive Web and Open Data for Optimizing Village With A Design Science Research and Technology Acceptance Model Fajri, Fathorazi Nur; Rizal, Fathur; Halimi, Ahmad
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 6, No 2 (2025): Pemanfaatan Artificial Intelligence dalam Transformasi Digital
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v6i2.13255

Abstract

Penelitian ini merespons rendahnya pemanfaatan open data serta keterbatasan interaktivitas pada profil potensi desa dengan merancang dan mengevaluasi sebuah website desa interaktif. Pendekatan Design Science Research (DSR) digunakan untuk menghasilkan prototipe sistem yang relevan dengan kebutuhan pemangku kepentingan, sedangkan evaluasi penerimaan dilakukan menggunakan Technology Acceptance Model (TAM) mencakup Perceived Usefulness (PU), Perceived Ease of Use (PEOU), Attitude Toward Using (ATU), dan Behavioral Intention (BI). Uji pengguna menunjukkan rerata konstruk berada pada kategori tinggi: PU = 4,23, PEOU = 4,11, ATU = 4,18, dan BI = 4,09. Temuan ini mengindikasikan bahwa pengguna menilai prototipe sistem bermanfaat, mudah digunakan, menumbuhkan sikap positif, serta mendorong intensi penggunaan dan rekomendasi. Secara substantif, integrasi open data ke dalam antarmuka yang responsif melalui peta interaktif dan visualisasi meningkatkan keterbacaan serta transparansi informasi publik desa. Hasil evaluasi selaras dengan prediksi TAM, yakni kemudahan penggunaan berkontribusi pada peningkatan persepsi kebermanfaatan yang pada gilirannya memperkuat niat menggunakan. Implikasi praktis mencakup pedoman implementasi platform desa berbasis data, sementara kontribusi teoretis memperluas bukti penerapan DSR dan TAM pada konteks tata kelola desa digital.
Analisis Sentimen Masyarakat Indonesia Terhadap Aplikasi TikTok Menggunakan Algoritma Logistic Regression Fathur Rizal; Andi Wijaya; Fuadz Hasyim
Akiratech Vol. 1 No. 2 (2024)
Publisher : CV. Akira Java Bulu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63935/akiratech.v1i2.33

Abstract

Meningkatnya popularitas aplikasi TikTok di kalangan masyarakat Indonesia telah menimbulkan reaksi yang beragam dari masyarakat, memicu kebutuhan untuk analisis yang lebih mendalam mengenai sentimen publik terhadap platform ini. Penelitian ini bertujuan untuk memahami sikap yang dominan baik positif dan negatif terhadap TikTok di kalangan pengguna Indonesia. Dengan menggunakan algoritma Logistic Regression, yang dikenal dengan kemudahannya dan kapasitas interpretasi yang baik dalam klasifikasi sentimen, penelitian ini mengolah data ulasan pengguna yang diambil dari Google PlayStore. Analisis sentimen melibatkan tahapan pengambilan data, pra-pemrosesan (termasuk case folding, tokenisasi, normalisasi, dan stemming), serta pembobotan terms menggunakan TF-IDF. Hasil penelitian menunjukkan tingkat akurasi klasifikasi sentimen hampir sempurna, percobaan pertama (rasio 80:20) memberikan performa terbaik dengan akurasi 83%, yang menunjukkan efektivitas Logistic Regression dalam menganalisis sentimen. Performa model menunjukkan konsistensi dalam precision dan recall di semua rasio pengujian, mengindikasikan bahwa model tersebut cukup robust terhadap perubahan proporsi data pelatihan dan pengujian. Percobaan kedua dan ketiga juga memberikan perfoma yang baik pula dengan akurasi 81%.
Comparison of MobileNetV2, EfficientNet-B0, and ResNet50 for Fruit Freshness Classification Based on Accuracy and F1-Score Nadiyah Nadiyah; Fathur Rizal; Andi Wijaya; Zainal Arifin
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 7, No 1 (2026): Sustainable Information Technology Innovation Supports a Digital-Based Smart Eco
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/coreai.v7i1.16300

Abstract

Freshness is a key determinant of fruit quality and safety, while manual assessment is subjective and slow. This study aims to compare three convolutional neural network architectures, namely MobileNetV2, EfficientNet-B0, and ResNet50, for the freshness classification of apples, bananas, and oranges in fresh and rotten conditions. The Food Freshness Dataset from Kaggle with 29,502 images was used and divided with a ratio of 70:20:10 into six classes. All three models were built using a transfer learning scheme with feature extraction on ImageNet pre-trained weights, an input size of 224×224, and an identical training configuration for 10 epochs. The main difference between the models lies in the specific preprocessing functions of each architecture to ensure a fair comparison. Evaluation was carried out on test data using accuracy and F1-score macro and weighted. The results show that ResNet50 achieved the highest performance with an accuracy of 0.9780 and a macro F1-score of 0.9787, followed by EfficientNet-B0 (0.9759; 0.9774) and MobileNetV2 (0.9726; 0.9732). Class-by-class analysis revealed that the Rotten Orange class was the most difficult for all models. EfficientNet-B0 and MobileNetV2 performed comparable to ResNet50 but with a much smaller number of parameters, making them more efficient for resource-constrained applications. This study emphasizes the importance of reporting F1-scores alongside accuracy on class-imbalanced data.
Co-Authors Ahmad Khairi Akbar, R. Rojab Maulana Alvin Alvin, Alvin Andi Wijaya ANDI WIJAYA Andrian Cahya Dinata Anugrah Udayaprima Rahmanda Arief Maulana Badrul Rizal Ramadhan Budiman Jaya Dumairi Dumairi Dwi Setyo Aditya Nugroho Fadilatur Rohman Fadli Hidayat, M. Noer Fani, Ubed Dwi Fathorazi Nur Fajri Febrian As Shella Yunianto Fendi Prabowo Firmansyah, Edi Hafidul Hasan Hakam, Syaif Halimi, Ahmad Haniatin, Maimanatin Haniatin Hasyim, Fuadz Hidayat, Moh. Umzeb Rizki Himmah, Hanim Faiqotul Illiyah Ibnul Basit Jannah, Nuril Lukluwatil Julianto, Erik Eko Kholisotin, Kholisotin Malik, Kamil Moh Jasri Moh. Maftuh Moh. Rusdiyanto Moh. Shidqiy Hidayat Moh. Syaiful Munir Habibi Muhammad Kholilul Hamdani Muhammad Saifullah Nadiyah Nadiyah Nadiyah Purwanto, Zendi Ari R. Rojab Maulana Akbar Sa'idi, M. Latip Shudiq, Wali Ja’far Sonda, Bima Tsaqif Syahhama Sulaiman Sulaiman Syindy Mauliddiyah Urip, Muhammad Wali Ja’far Shudiq Yaqin, Moh. Ainol Yudistira Yudistira Zainal Arifin Zainal Arifin Zainullah Multazam