p-Index From 2021 - 2026
4.857
P-Index
This Author published in this journals
All Journal Dinamik Prosiding SNATIF Jurnal Edukasi dan Penelitian Informatika (JEPIN) Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer Sinkron : Jurnal dan Penelitian Teknik Informatika Teknika: Engineering and Sains Journal InComTech: Jurnal Telekomunikasi dan Komputer Informatika : Jurnal Informatika, Manajemen dan Komputer METIK JURNAL Applied Technology and Computing Science Journal Journal of Computer System and Informatics (JoSYC) Journal of Innovation Information Technology and Application (JINITA) Madani : Indonesian Journal of Civil Society Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi Journal of Intelligent Computing and Health Informatics (JICHI) GUYUB: Journal of Community Engagement Among : Jurnal Pengabdian Masyarakat TRILOGI: Jurnal Ilmu Teknologi, Kesehatan, dan Humaniora JUSTIFY : Jurnal Sistem Informasi Ibrahimy COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Nusantara Journal of Computers and its Applications Jurnal Informatika: Jurnal Pengembangan IT JAR'S (Journal of Advanced Research in Informatics) Proceeding Of International Conference On Education, Society And Humanity JOKI: Journal of Computing and Informatics SINAR: Sinergi Pengabdian dan Inovasi untuk Masyarakat Khatulistiwa : Journal of Artificial Intelligence Lingua Technica: Journal of Digital Literary Studies Mumtaza: Journal of Community Engagement Lingua Technica: Journal of Digital Literary Studies Journal of Science and Engineering
Claim Missing Document
Check
Articles

From manuscript to metadata: preserving Indonesian literary heritage in the contemporary digital transition M Naveen Kumar; Moh. Ainol Yaqin
Lingua Technica: Journal of Digital Literary Studies Vol. 2 No. 1 (2026): Literature and computation: mapping, modeling, and mediation
Publisher : Asosiasi Relawan dan Pengelola Jurnal LPTNU (ARJUNU)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64595/lingtech.v2i1.130

Abstract

Background: The contemporary digital transition has transformed Indonesian literary heritage by shifting literary production from physical manuscripts to born-digital artifacts, while archival infrastructures and metadata practices struggle to keep pace with this change. Objective: This study aims to examine how material transformation, metadata inequality, and digital writing practices collectively reshape literary preservation and authorship in Indonesia. Method: Using a qualitative interpretive approach grounded in digital humanities and archival studies, the research analyzes a multi-layered corpus comprising institutional archives, author-managed digital materials, and platform-based literary outputs through comparative archival analysis and visual-analytic mapping. Results: The findings reveal three interrelated patterns: a dominance of born-digital literary materials accompanied by low archival stability, a stratified metadata landscape that privileges institutional archives over platform-based environments, and a structural tension between high textual productivity and fragile preservation in digital authorship practices. Implication: These patterns indicate that digital literary abundance does not guarantee cultural memory without coordinated archival mediation. Novelty: This study introduces a visual–relational framework that reframes Indonesian literary heritage as an infrastructural and authorially contingent process within the digital transition.
Penerapan Convolutional Neural Network (CNN) Untuk Klasifikasi Serangan Hama Pada Daun Bawang Merah: Studi Kasus Desa Bulang, Probolinggo Laila Homisatun Awaliyah; Moh. Ainol Yaqin
JOKI: Jurnal Komputasi dan Informatika Vol 2 No 2 (2025): Desember 2025
Publisher : CV. Laskar Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65678/joki.v2i2.212

Abstract

Desa Bulang, yang terletak di Kecamatan Gending, Kabupaten Probolinggo, dikenal sebagai salah satu pusat produksi bawang merah dengan potensi pertanian yang besar. Sebagian besar penduduknya bergantung pada budidaya bawang merah, berkat kondisi iklim dan kesuburan tanah yang mendukung. Namun, para petani di daerah ini sering menghadapi tantangan serius, seperti serangan hama ulat dan penyakit busuk daun, yang dapat mengakibatkan gagal panen dan kerugian ekonomi yang signifikan. Untuk mengatasi masalah ini, diperlukan solusi berbasis teknologi yang dapat mendeteksi kondisi daun tanaman secara dini. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi otomatis menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk mengidentifikasi kondisi daun bawang merah dalam tiga kategori: daun sehat, daun yang terserang hama ulat, dan daun yang terkena penyakit busuk daun. Dataset yang digunakan terdiri dari 600 citra daun yang dikumpulkan langsung dari Desa Bulang dan telah melalui tahap pre--processing, termasuk pengubahan ukuran (Resize), augmentasi, dan normalisasi. Model ini dilatih dan diuji dengan membagi data menjadi bagian pelatihan, validasi, dan pengujian, serta dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 93% pada data pengujian, yang menunjukkan kinerja yang sangat baik dan efektif. Selain itu, model ini berhasil diintegrasikan ke dalam aplikasi web berbasis Streamlit, sehingga dapat digunakan langsung oleh petani untuk mendeteksi serangan hama dengan cepat dan praktis. Penelitian ini diharapkan dapat meningkatkan produktivitas pertanian dan memberikan kontribusi terhadap penerapan teknologi dalam sektor pertanian lokal.
Real-Time Eggplant Leaf Disease Diagnosis Using Image Classification Abu Tholib; Moh Ainol Yaqin
JOKI: Jurnal Komputasi dan Informatika Vol 3 No 1 (2026): June 2026
Publisher : CV. Laskar Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65678/joki.v3i1.378

Abstract

Eggplant is an important horticultural crop whose productivity is often affected by various leaf diseases that reduce crop quality and yield. Manual identification of plant diseases relies heavily on human observation and experience, making it time-consuming and prone to misclassification, especially when symptoms appear visually similar. The system employed a convolutional neural network/transfer learning model to identify eggplant leaf diseases accurately and efficiently. The system utilizes a deep learning model trained on a dataset of 3,551 leaf images categorized into seven disease classes and one healthy class. Image preprocessing and augmentation techniques were applied to improve model performance and generalization. Experimental evaluation showed that the proposed model achieved a testing accuracy of approximately 82% with balanced precision and recall across all categories, indicating stable classification performance. The trained model was integrated into a web-based application that allows users to upload leaf images and obtain real-time diagnostic results along with recommended handling information. The findings demonstrate that the proposed system provides a practical and reliable solution for early disease detection and supports more efficient agricultural management. Future development may include expanding dataset diversity, improving model robustness, and deploying mobile-based applications to enhance accessibility and scalability in precision agriculture.
Optimalisasi Digital Marketing dan E-Commerce Berbasis Notifikasi untuk Meningkatkan Penjualan UMKM Kampoenk Snack Probolinggo Moh. Ainol Yaqin; Matlubul Khairi; Rizki Febri Eka Pradani
GUYUB: Journal of Community Engagement Vol 6, No 4 (2025): Desember
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/guyub.v6i4.12576

Abstract

This community service program (PkM) strengthened the competitiveness of Kampoenk Snack MSME (Probolinggo) by raising partner empowerment in management (income generating) and marketing (revenue generating). Baseline conditions showed manual operations: inconsistent transaction and cashflow records, low traceability, and limited digital penetration (online sales <20%, rating 4.3 with <30 reviews). The program applied Participatory Action Research (PAR) in five stages: socialization, training, technology deployment, mentoring–evaluation, and sustainability. Interventions were grouped into (1) management–finance digitalization via a simple accounting/recording app, standardized workflows, and monthly profit–loss reporting; and (2) digital marketing automation through marketplace restructuring, improved content, and notification-based e-commerce (WhatsApp Fonnte, Telegram Bot, email marketing, auto-responder), with WhatsApp direct messages as the primary conversion channel. Performance measures included a management regularity checklist, marketplace dashboards for rating and reviews, notification logs, and content insights. Measurement windows were two weeks for content reach and two months for online revenue. Data were triangulated by cross-checking app records, marketplace recaps, transaction evidence, interviews, and observations. Results show management regularity improved to 85%, promotions reached >300 customers, 15 photos and 5 videos reached ~5,000 accounts in two weeks, online revenue rose ~30% (IDR 2.75 million to ~IDR 3.5–4 million/month), and marketplace reputation increased (reviews 28→53; rating 4.3→4.7).
Perbandingan Algoritma Klasifikasi untuk Prediksi Sentimen Emoji dalam Teks Moh Ainol Yaqin; Mochammad Faid
JOKI: Jurnal Komputasi dan Informatika Vol 1 No 01 (2024): Juni 2024
Publisher : CV. Laskar Karya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65678/joki.v1i01.16

Abstract

Penelitian ini bertujuan untuk mengevaluasi dan membandingkan efektivitas berbagai algoritma pembelajaran mesin dalam mengklasifikasikan sentimen emoji. Data yang digunakan dalam penelitian ini terdiri dari emoji yang masing-masing diberikan label sentimen positif, negatif, atau netral. Kami menerapkan teknik Count Vectorization untuk mengubah data teks menjadi format numerik yang sesuai untuk pemrosesan algoritma pembelajaran mesin, Empat algoritma yang dievaluasi dalam penelitian ini adalah Multilayer Perceptron (MLP), Decision Tree Classifier, Naive Bayes Classifier, dan K-Nearest Neighbors (KNN). Setiap model dilatih menggunakan data latihan dan diuji menggunakan data uji yang telah dipisahkan sebelumnya dengan rasio pembagian 80:20,Hasil penelitian menunjukkan bahwa terdapat perbedaan signifikan dalam akurasi antara algoritma yang diuji, dengan masing-masing algoritma menunjukkan kekuatan dan kelemahannya. Efektivitas setiap model dievaluasi berdasarkan akurasi prediksi dan diinterpretasikan melalui matriks kebingungan yang dihasilkan,Visualisasi data menggunakan seaborn dan matplotlib memberikan wawasan lebih lanjut tentang performa masing-masing model, memungkinkan analisis mendalam tentang kesalahan klasifikasi yang umum terjadi. Studi ini memberikan panduan yang berguna untuk pemilihan algoritma dalam aplikasi klasifikasi sentimen berbasis emoji, yang memiliki implikasi signifikan dalam analisis media sosial dan interaksi manusia-komputer
Perancangan Game Edukasi Math Lesson Dengan Menggunakan Unity 2D Untuk Meningkatkan Kemampuan Berhitung Siswa Sekolah Dasar Shiddiq Moh Shiddiq Windiarto; Moh Ainol Yaqin; Muafi Muafi
Journal of Science and Engineering Vol. 1 No. 1 (2025)
Publisher : CV. Akira Java BUlu

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

Abstract

  Game edukasi merupakan salah satu alternatif media pembelajaran interaktif yang mampu meningkatkan motivasi dan pemahaman siswa terhadap materi pelajaran. Penelitian ini bertujuan untuk merancang dan mengembangkan game edukasi Math Lesson berbasis Unity 2D sebagai media pembelajaran yang menyenangkan dan interaktif untuk meningkatkan kemampuan berhitung siswa sekolah dasar. Game ini menyajikan materi operasi hitung dasar seperti penjumlahan, pengurangan, perkalian, dan pembagian dengan pendekatan visual dan gamifikasi. Metode pengembangan yang digunakan adalah Extreme Programming (XP) yang terdiri dari tahapan Planning, Design, Coding, dan Testing. Pengujian dilakukan menggunakan metode black box untuk menguji fungsionalitas sistem dan usability testing untuk mengukur tingkat kepuasan pengguna. Hasil dari implementasi menunjukkan bahwa game ini berjalan sesuai dengan fungsinya dan mendapat respon positif dari siswa SD Negeri 1 Gudang. Game Math Lesson berhasil memberikan pengalaman belajar yang lebih menyenangkan, meningkatkan motivasi belajar matematika, serta membantu siswa memahami materi berhitung dengan lebih baik. Penelitian ini merekomendasikan pengembangan lebih lanjut dengan menambah fitur evaluasi dan adaptasi kesulitan soal agar lebih optimal untuk berbagai tingkat kemampuan siswa.