Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal COMSERVA: Jurnal Penelitian dan Pengabdian Masyarakat Jurnal Komputer, Informasi dan Teknologi
Syafri Arlis
Universitas Putra Indonesia “Yptk” Padang
Humanities Computer Science & IT Economics, Econometrics & Finance Education Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Fuzzy Tsukamoto Dalam Menentukan Jumlah Pengadaan Padi Pada Huler Khaidir Nanda Menggunakan Bahasa Pemrograman Php Dan Database Mysql Winda Sutra Amanda; Syafri Arlis; Harkamsyah Andrianof
COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat Vol. 3 No. 07 (2023): COMSERVA : Jurnal Penelitian dan Pengabdian Masyarakat
Publisher : Publikasi Indonesia

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

Abstract

Pengadaan padi pada Huler merupakan salah satu aspek penting dalam proses produksi beras. Penentuan jumlah pengadaan padi yang tepat dapat mempengaruhi efisiensi dan efektivitas produksi beras di Huler. Namun, penentuan jumlah pengadaan padi yang tepat tidaklah mudah karena melibatkan beberapa faktor yang kompleks seperti ketersediaan padi, permintaan beras, harga padi, dan lain-lain. Dengan menggunakan metode Fuzzy Tsukomoto untuk memperkirakan berapa jumlah permintaan dan jumlah pengadaan padi untuk pengolahan beras dengan memperhatikan jumlah permintaan dan jumlah persediaan sehingga diharapkan dapat membantu Huler Khaidir Nanda dalam meningkatkan produktifitasnya. Metode Fuzzy Tsukamoto telah terbukti efektif dalam menangani masalah-masalah yang kompleks dengan mempertimbangkan beberapa faktor secara bersamaan. Hasil dari penelitian ini adalah mplementasi Fuzzy Tsukamoto dalam menentukan jumlah pengadaan padi pada Huler Khaidir Nanda menggunakan bahasa pemrograman PHP dan database MySQL adalah langkah yang tepat dan sesuai dengan permasalahan yang terdapat pada Huler Khaidir Nanda. Implikasi penelitian ini terhadap huler khaidir nanda, diharapkan Metode Fuzzy Tsukamoto dapat membantu dalam menghadapi ketidakpastian dan kompleksitas data dalam proses pengambilan keputusan, terutama ketika terdapat banyak variabel yang mempengaruhi hasil akhir. Adanya dengan menggunakan metode ini, Huler Khaidir Nanda dapat mengoptimalkan jumlah pengadaan padi berdasarkan faktor-faktor yang berbeda, seperti permintaan pasar, harga padi, dan ketersediaan pasokan.
Klasifikasi Otomatis PCOS pada Citra Ultrasound Ovarium Menggunakan MobileNetV2 Berbasis Transfer Learning Fadhila Putri Sani; Syafri Arlis
Jurnal Komputer, Informasi dan Teknologi Vol. 5 No. 2 (2025): Desember
Publisher : Penerbit Jurnal Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53697/jkomitek.v5i2.3025

Abstract

This study aims to develop an automatic classification model for Polycystic Ovary Syndrome (PCOS) using deep learning with transfer learning based on the MobileNetV2 architecture. The dataset consists of 1,987 ovarian ultrasound images that underwent preprocessing and augmentation. The model was initialized with pre-trained ImageNet weights, trained using binary cross-entropy loss and the Adam optimizer, and evaluated using accuracy, precision, recall, and F1-score metrics. The training and testing were conducted on a cloud computing platform with resource-efficient settings. The results demonstrate that the model can classify normal and PCOS ovarian images with 99% accuracy, 0.99 precision, 0.99 recall, and 0.99 F1-score. The confusion matrix indicates very few misclassifications, with four normal images incorrectly predicted as PCOS and seven PCOS images misclassified as normal. These findings confirm that MobileNetV2 is effective, efficient, and stable for classifying low-resolution medical images. The proposed model has the potential to serve as a practical automatic diagnostic tool based on ultrasound imaging, which can be implemented on resource-constrained devices as well as cloud platforms to support medical decision-making.
Co-Authors Fadhila Putri Sani Harkamsyah Andrianof Winda Sutra Amanda