Article Per Year (5 Year)
p-Index From 2021 - 2026
8.013
P-Index
This Author published in this journals
All Journal Publikasi Pendidikan Jurnal Simetris Prosiding SNATIF Jurnal Teknologi Jurnal Transformatika Scientific Journal of Informatics InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Informatika Upgris JOURNAL OF APPLIED INFORMATICS AND COMPUTING JURNAL MANAJEMEN INFORMATIKA (JUMIKA) J I M P - Jurnal Informatika Merdeka Pasuruan Martabe : Jurnal Pengabdian Kepada Masyarakat Jurnal Nasional Komputasi dan Teknologi Informasi IKRA-ITH ABDIMAS JURIKOM (Jurnal Riset Komputer) JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) EDUMATIC: Jurnal Pendidikan Informatika Progresif: Jurnal Ilmiah Komputer Jurnal Ekonomi Manajemen Sistem Informasi JATI (Jurnal Mahasiswa Teknik Informatika) JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Sistem Komputer dan Informatika (JSON) Jurnal Pengabdian kepada Masyarakat Nusantara Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika) Jurnal Digit : Digital of Information Technology RESOLUSI : REKAYASA TEKNIK INFORMATIKA DAN INFORMASI Jurnal Pendidikan dan Teknologi Indonesia Jurnal Dialektika Informatika (Detika) Journal La Multiapp JAST Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer (JURITEK) Biner : Jurnal Ilmiah Informatika dan Komputer Jurnal Ilmiah Nusantara INOVTEK Polbeng - Seri Informatika JuTISI (Jurnal Teknik Informatika dan Sistem Informasi) Jurnal Bina Informatika dan Komputer (BINER)
Aditya Akbar Riadi
Universitas Muria Kudus
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mechanical Engineering Neuroscience Social Sciences Transportation

Published : 67 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 67 Documents
Search

 3   4   5   6   7 
PELATIHAN PENGENALAN APLIKASI “TAJUTI” SEBAGAI MEDIA PEMBELAJARAN AL QUR’AN Wijayanti, Esti; Hidayati, Hanik; Meimaharani, Rizkysari; Akbar Riadi, Aditya
Martabe : Jurnal Pengabdian Kepada Masyarakat Vol 8, No 9 (2025): MARTABE : JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : Universitas Muhammadiyah Tapanuli Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31604/jpm.v8i9.3848-3854

Abstract

Hafalan Al-Qur’an merupakan kegiatan yang penting untuk generasi modern bacaan Al-Qur’an yang sangat penting bagi anak-anak TK Pertiwi Purwosari Kudus, khususnya pada periode emas perkembangan anak usia dini. Saat ini, dunia sedang berada dalam era teknologi yang sangat maju, di mana penggunaan gadget, termasuk smartphone, telah menjadi hal yang umum dan memengaruhi berbagai aspek kehidupan manusia. Dalam konteks ini, tujuan perancangan aplikasi Juz’amma berbasis Android adalah untuk menyediakan media pembantu yang efektif bagi anak-anak TK Pertiwi Purwosari Kudus, khususnya bagi mereka yang mengalami kesulitan dalam menghafal surah-surah pendek Juz’amma. Aplikasi ini dirancang agar dapat digunakan pada smartphone, dengan tampilan antarmuka yang ramah anak serta disesuaikan dengan kebutuhan dan karakteristik mereka. Proses pembuatan aplikasi ini berbasis android perancangan antarmuka untuk memastikan aplikasi menarik, intuitif, dan sesuai dengan perkembangan anak usia dini. Sedangkan untuk metode pembelajaran hafalan, aplikasi ini mengadopsi pendekatan pendengaran (listening), di mana surah-surah pendek Juz’amma diperdengarkan kepada anak-anak sebagai bagian dari proses pembelajaran. Hasil analisis menunjukkan bahwa penerapan aplikasi diakses oleh pengguna melalui aplikasi android masa percobaan satu bulan. Setelah implementasi, aplikasi mencatat peningkatan produktivitas anak sebesar 79%, berdasarkan survei internal. Sedangkan hasil uji performa menunjukkan efisiensi penggunaan memori sebesar 80 MB, yang memenuhi kriteria untuk perangkat dengan spesifikasi minimum. Aplikasi ini dapat membantu anak-anak usia dini, khususnya di TK Pertiwi Purwosari Kudus, dalam menghafal surah pendek Juz’amma secara lebih mudah dan menyenangkan dalam kegiatan sehari-hari
Desain Implementasi Kasir Digital dan Pengelolaan Stok Barang Dengan Menggunakan Metode Economic Order Quantity (EOQ) Prasetyo, Herlambang Dwi; Riadi, Aditya Akbar; Meimaharani, Rizkysari
Jurnal Ekonomi Manajemen Sistem Informasi Vol. 7 No. 1 (2025): Jurnal Ekonomi Manajemen Sistem Informasi (September-Oktober 2025)
Publisher : Dinasti Review

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38035/jemsi.v7i1.6490

Abstract

Toko Bu Ramini masih mengandalkan pencatatan stok barang kasir secara manual, yang rentan menimbulkan kesalahan seperti data tidak akurat, kelalaian, serta keterlambatan dalam pembaruan informasi. Cara pencatatan manual ini menyulitkan pemantauan stok secara langsung, sehingga sering terjadi kelebihan atau kekurangan persediaan yang tidak disadari, serta berpotensi munculnya kesalahan dalam pencatatan transaksi penjualan yang menggunakan nota kertas. Untuk mengatasi kendala tersebut, diperlukan pengembangan sistem berbasis web yang menggabungkan pengelolaan stok dan sistem kasir guna meningkatkan efisiensi dan ketepatan pencatatan. Sistem ini akan dibuat dengan menggunakan metode Agile secara bertahap dan iteratif, sehingga memungkinkan perbaikan berkelanjutan berdasarkan masukan dari pengguna. Dalam proses pengembangan, perancangan sistem dilakukan dengan menggunakan Unified Modeling Language (UML) untuk memodelkan kebutuhan dan desain sistem secara visual sehingga memudahkan komunikasi serta dokumentasi antara pengembang dan pengguna. Dalam penelitian ini, metode Economy Order Quantity (EOQ) dipilih sebagai pendekatan kontrol persediaan untuk mengurangi biaya pemesanan dan penyimpanan. Dengan penerapan sistem tersebut, diharapkan proses pencatatan stok dan transaksi penjualan dapat dilakukan secara real-time dan mengurangi risiko kesalahan, sekaligus mencegah kekurangan stok serta memberikan informasi akurat untuk pengisian ulang barang di toko. Selain itu, keberadaan sistem kasir yang telah terkomputerisasi akan mempermudah dan menjamin ketepatan pencatatan transaksi, sementara pengelolaan stok berbasis EOQ membuat manajemen persediaan di Toko Bu Ramini menjadi lebih optimal, sehingga terhindar dari penumpukan maupun kekosongan barang.
Implementasi Metode Forward Chaining untuk Rekomendasi Jurusan Perguruan Tinggi Berdasarkan Minat dan Bakat MA XYZ Shofa Allaisya; Aditya Akbar Riadi; Rizkysari Meimaharani
JURNAL RISET KOMPUTER (JURIKOM) Vol. 13 No. 1 (2026): Februari 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v13i1.9463

Abstract

Choosing a college major is a crucial decision for final year students as it impacts their academic success and future career paths. However, the process of selecting a major is often carried out without objectively considering students' interests and talents, which can lead to mismatches in the learning process. This study aims to develop an expert system-based college major recommendation system using the Forward Chaining method to analyze students' interests and talents. Interest and talent data are obtained through questionnaires filled out by students independently through the system, then used as the initial basis for the conclusion-making process. The knowledge base is structured in the form of IF–THEN rules that link interest and talent characteristics with specific majors and their respective weights. The inference process is carried out by matching existing facts with available rules to produce a suitability score for each major. The results of the study show that the system is able to provide logical and structured major recommendations according to students' interest and talent profiles. The results of system testing on student data indicate that the system is able to produce logical and consistent major recommendations. Functional testing using the Black Box Testing method shows a success rate of 100%, indicating that all system functions run according to the specified requirements.
Rancang Bangun Dashboard Monitoring Pengiriman Bermasalah pada E-Commerce amelia vidora revita marta; aditya akbar riadi; ahmad abdul chamid
Progresif: Jurnal Ilmiah Komputer Vol 22, No 1 (2026): Januari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i1.3516

Abstract

The rapid growth of e-commerce has increased the volume of orders that must be monitored by sellers, making the handling of delivery delays a major challenge. This study designs and develops a dashboard to monitor problematic shipments on an e-commerce platform by applying a Service Level Agreement (SLA) approach as the basis for evaluating delivery delays. The research adopts a Research and Development (R&D) method with the Waterfall system development model, which includes the stages of requirement analysis, system design, implementation, and functional testing. The developed dashboard is able to automatically classify shipment statuses based on SLA calculations, display indicators of orders at risk of delay, and present delivery data through graphical visualizations. The testing results indicate that the system successfully presents real-time delivery data, proactively detects potential delays, and supports sellers in making operational decisions. This system provides a more effective and measurable SLA-based approach for monitoring e-commerce deliveries.Keywords: Monitoring dashboard; Problematic delivery; Service Level Agreement; E-commerce; Automatic detection.AbstrakPerkembangan e-commerce telah meningkatkan volume pesanan yang harus dipantau oleh seller, sehingga penanganan keterlambatan pengiriman menjadi tantangan utama. Penelitian ini merancang dan membangun sebuah dashboard untuk memonitor pengiriman bermasalah pada platform e-commerce dengan pendekatan Service Level Agreement (SLA) sebagai dasar penilaian keterlambatan pengiriman. Metode yang digunakan adalah Research and Development (R&D) dengan model pengembangan sistem Waterfall, yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian fungsionalitas. Dashboard yang dikembangkan mampu mengklasifikasikan status pengiriman secara otomatis berdasarkan perhitungan SLA, menampilkan indikator pesanan berisiko terlambat, serta menyajikan grafik visualisasi pengiriman. Hasil pengujian menunjukkan bahwa sistem berhasil menampilkan data pengiriman secara real-time, mendeteksi potensi keterlambatan secara proaktif, dan membantu seller dalam pengambilan keputusan operasional. Sistem ini memberikan pendekatan monitoring pengiriman yang lebih efektif dan terukur berbasis SLA.Kata kunci: Dashboard monitoring; Pengiriman bermasalah; Service Level Agreement; E-commerce; Deteksi otomatis
Sistem Monitoring dan Kontrol Suhu Kandang Ayam Kalkun Raka Gifaris Anega Yudha; Evanita Evanita; Aditya Akbar Riadi
Progresif: Jurnal Ilmiah Komputer Vol 22, No 1 (2026): Januari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i1.3236

Abstract

Turkey farming requires stable temperature and humidity management to maintain optimal growth and health. Manual monitoring often causes delays in handling environmental changes, which can reduce productivity. This study designs and implements a temperature and humidity monitoring and control system for turkey cages based on the Internet of Things (IoT). The system utilizes a NodeMCU ESP8266 microcontroller, a DHT11 sensor, and a relay module to automatically control a heating lamp according to temperature conditions. Data are transmitted to a server and displayed on a web-based dashboard accessible remotely, with additional notifications sent via WhatsApp. The development process applied a prototyping method, including hardware and software design, experiment and black-box testing. The results show that the system successfully maintains cage temperature within the ideal range of 28–32°C, displays real-time temperature and humidity data, and achieved a user satisfaction level of 91.25%. This system is considered effective in assisting farmers to monitor turkey cages more efficiently and responsively.Keywords: Internet of Things; Turkey farming; Temperature monitoring; Humidity; NodeMCU ESP8266.AbstrakPeternakan kalkun membutuhkan pengelolaan suhu dan kelembaban kandang yang stabil agar pertumbuhan dan kesehatan ternak tetap optimal. Pemantauan manual sering menimbulkan keterlambatan dalam penanganan perubahan suhu sehingga berpotensi menurunkan produktivitas. Penelitian ini merancang dan mengimplementasikan sistem monitoring serta kontrol suhu kandang kalkun berbasis Internet of Things (IoT). Sistem memanfaatkan mikrokontroler NodeMCU ESP8266, sensor DHT11, dan modul relay untuk mengendalikan lampu pemanas secara otomatis sesuai kondisi suhu. Data dikirimkan ke server dan ditampilkan pada dashboard web yang dapat diakses jarak jauh, serta dilengkapi notifikasi melalui WhatsApp. Metode pengembangan menggunakan pendekatan prototyping, meliputi perancangan perangkat keras, perangkat lunak, pengujian eksperimen dan pengujian Black box. Hasil pengujian menunjukkan sistem mampu menjaga suhu kandang dalam rentang ideal 28–32°C, menampilkan data suhu dan kelembaban secara real-time, serta memperoleh tingkat kepuasan pengguna sebesar 91,25%. Sistem ini dinilai efektif membantu peternak dalam memantau kondisi kandang kalkun secara lebih efisien dan responsif.Kata kunci: Internet of Things ; Kalkun; Monitoring suhu; Kelembaban; NodeMCU ESP8266.
CNN-Based Automatic Detection of Corn Leaf Diseases Using Desktop GUI Application Nisrina Rona Salsabilah; Aditya Akbar Riadi; Ahmad Abdul Chamid
Progresif: Jurnal Ilmiah Komputer Vol 22, No 1 (2026): Januari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i1.3501

Abstract

Early detection of corn leaf diseases plays a crucial role in improving agricultural productivity. This study develops an automatic detection system for corn leaf diseases using a Convolutional Neural Network (CNN) implemented in a desktop-based GUI application. The model was developed using a transfer learning approach with a dataset of 2,400 corn leaf images divided into four classes: Blight, Common Rust, Gray Leaf Spot, and Healthy. The research stages included image preprocessing, model training and evaluation, and implementation of the trained model into an offline desktop application. Experimental results show that the CNN model achieved an accuracy of 90.00%, with precision of 90.02%, recall of 90.00%, and an F1-score of 90.00%. The Healthy class demonstrated the best performance, while the Blight class showed the lowest but remained in a good category. The developed system enables fast, practical, and efficient disease detection and has the potential to support objective early diagnosis in agriculture.Keywords: CNN; Deep Learning; Disease Detection; Corn Leaf; Transfer Learning  AbstrakDeteksi dini penyakit daun jagung berperan penting dalam meningkatkan produktivitas pertanian. Penelitian ini mengembangkan sistem deteksi otomatis penyakit daun jagung menggunakan metode Convolutional Neural Network (CNN) berbasis aplikasi GUI desktop. Model dikembangkan dengan pendekatan transfer learning menggunakan 2.400 citra daun jagung yang terbagi dalam empat kelas, yaitu Blight, Common Rust, Gray Leaf Spot, dan Healthy. Tahapan penelitian meliputi preprocessing citra, pelatihan dan evaluasi model, serta implementasi model ke dalam aplikasi desktop yang dapat digunakan tanpa koneksi internet. Hasil pengujian menunjukkan akurasi sebesar 90,00%, precision 90,02%, recall 90,00%, dan F1-score 90,00%. Kelas Healthy memiliki performa terbaik, sedangkan kelas Blight terendah namun tetap dalam kategori baik. Implementasi sistem memungkinkan proses deteksi dilakukan secara cepat, praktis, dan efisien. Sistem yang dikembangkan berpotensi mendukung deteksi penyakit secara objektif serta membantu meningkatkan produktivitas pertanian.Kata kunci: CNN; Deep Learning; Deteksi Penyakit; Daun Jagung; Transfer Learning
Klasifikasi Penulisan Huruf Hijaiyah Menggunakan Algoritma Convolutional Neural Network Pada TPQ I’anatut Tholibin dini fatmarini; Aditya Akbar Riadi; Ahmad Abdul Chamid
Progresif: Jurnal Ilmiah Komputer Vol 22, No 1 (2026): Januari
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v22i1.3531

Abstract

This research was conducted due to difficulties in recognizing handwritten Hijaiyah letters at TPQ I’anatut Tholibin caused by variations in writing styles and similarities among letters. The study aims to develop a handwritten Hijaiyah letter classification system based on a Convolutional Neural Network (CNN) using the MobileNetV2 architecture. The research employed a Research and Development (R&D) approach, including real-time data collection from students’ handwritten samples, image preprocessing (resizing to 224×224, pixel normalization, and augmentation), model design using transfer learning, training, and testing. Model evaluation was performed using test data that were not involved in the training process, with performance assessed through a confusion matrix and metrics such as accuracy, precision, recall, and F1-score. The experimental results show that the model achieved an accuracy of 78.46% with a macro F1-score of 77.29%, indicating a reasonably good and balanced classification performance across classes. The system was implemented as a web-based application supporting real-time testing through direct writing on a digital canvas, enabling interactive classification. These findings demonstrate that MobileNetV2 is effective for handwritten Hijaiyah letter classification and has potential as an intelligent learning support tool.Keywords: Hijaiyah letters; Convolutional neural network; MobileNetV2; Image classification; Real-time systemAbstrakPenelitian ini dilakukan karena pengenalan tulisan tangan huruf hijaiyah di TPQ I’anatut Tholibin masih terkendala variasi bentuk tulisan dan kemiripan antar huruf. Penelitian ini bertujuan mengembangkan sistem klasifikasi tulisan tangan huruf hijaiyah berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Metode yang digunakan adalah Research and Development (R&D) dengan tahapan pengumpulan data tulisan tangan murid secara real-time, pra-pengolahan citra (resizing 224×224, normalisasi piksel, dan augmentasi), perancangan model dengan pendekatan transfer learning, pelatihan, dan pengujian. Pengujian dilakukan menggunakan data uji yang tidak dilibatkan dalam proses pelatihan, dengan evaluasi performa menggunakan confusion matrix dan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mencapai akurasi sebesar 78,46% dengan nilai macro F1-score 77,29%, yang menandakan performa klasifikasi yang cukup baik dan relatif seimbang antar kelas. Sistem diimplementasikan dalam aplikasi web dengan pengujian real-time melalui penulisan langsung pada kanvas digital sehingga klasifikasi dapat dilakukan secara interaktif. Temuan ini menunjukkan MobileNetV2 efektif untuk klasifikasi huruf hijaiyah tulisan tangan dan berpotensi sebagai alat bantu pembelajaran.Kata Kunci: Huruf hijaiyah; Convolutional neural network; MobileNetV2; Klasifikasi citra; Sistem realtime
Co-Authors A, Ifta Abdul Abdullah, Khabib Ahmad Abdul Chamid Ahmad Lutfi Hakim Akh Sokhibi Alif Catur Murti, Alif Catur amelia vidora revita marta Aminatus Syarifah Arief Susanto Azami, Farich Al Darsilowati Darsilowati Dicky Prasetiyo dini fatmarini Durrun Nada Amarylis Dwimaelani, Riska Dwyan Akbar Putra Esti Wijayanti Esti Wijayanti, Esti Evanita Evanita Evanita, Evanita Evanita, E Fadhilah, Norma Farich Al Azami Farichah, Ainul Fera Anggraini Fistiana Fistiana, Fera Anggraini Gabriel Dwiki Ari Permadani Gunawan, Bagus Suseto Hakim, Alvin Rainaldy Hanik Hidayati Ifta Abdul A Indra Lina Putra Ivan Bagus Prasetiyo Jannah, Zuliana Nurul Khabib Abdullah Khilmawan, Muhammad Rizqi Khoirun Nisa', Nining Khusna, Nor Milatul Mahendra, Vicki Yuda Maulana Aditya Yusman Muhammad Imam Ghozali Murniawati, Mita Ningrum, Diah Ayu Cahya Nisrina Rona Salsabilah Oktavianus, Yohanes Pegianti, Nanda` Prasetiyo, Dicky Prasetyo, Herlambang Dwi Putra Aprilian Prastianing Huda Putra, Indralina Lina Raka Gifaris Anega Yudha Ratih Nindyasari Riasti, Savira Rizal Ramli, Rizal Rizkysari Meimaharani Rizkysari Meimaharani Salsabila, Karima Saputra, Andre Tri Sari, Fadia Karlika Shofa Allaisya Shofiana, Arista Sokhibi, Akh Sokhibi, Akh Sugiarto, Elmalia Risma Putri Sugiharto, Wibowo Harry Sukmawati, Zesiy Risna Dewi Syirojuddin, Ahmad Idris Syukron, Muhammad Habib Tri Listyorini UMAM, MUHAMAD KHOTIBUL Vera Meirotun Hidayatika Vicki Yuda Mahendra Wulandari, Gilang Ayu Yehezkiel Febri Kurniawan Yuliana Fitriani