Article Per Year (5 Year)
p-Index From 2020 - 2025
0.817
P-Index
This Author published in this journals
All Journal Jurnal Informasi Pengabdian Masyarakat JOKI: Journal of Computing and Informatics Khatulistiwa : Journal of Artificial Intelligence
mochammad faid
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Plant Disease Identification Using Deep Learning: A Systematic Literature Review Mochammad Faid
Khatulistiwa SMART: Science, Methodology, Artificial intelligence, Research, and Technology Vol 1 No 1 (2024): Desember 2024
Publisher : Khatulistiwa : Journal of Artificial Intelligence

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

Abstract

This research aims to analyze and summarize recent approaches in plant disease identification and classification using deep learning techniques. Through a systematic literature review, we evaluate the various methodologies, neural network architectures, and datasets used in recent studies in this field. Our findings show that the use of deep learning, especially by utilizing complex neural network architectures, has led to significant improvements in plant disease identification accuracy. One of the key findings is the highest accuracy achieved by the Inception Net CNN architecture-based Deep Learning method in detecting diseases in tomato plants, reaching 99.89%. These results confirm that deep learning approaches have great potential to optimize plant disease management and improve agricultural productivity globally.
Pemetaan Daerah Rawan Stunting dengan Algoritma K-Means dan Analisis Demografis di Kabupaten Probolinggo Mochammad Faid; Wahab Sya'roni; Moh. Sukron
JOKI: Jurnal Komputasi dan Informatika Vol 2 No 1 (2025): June 2025
Publisher : Laskar Karya

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

Abstract

Stunting merupakan permasalahan kesehatan masyarakat yang berdampak jangka panjang terhadap kualitas hidup dan produktivitas generasi masa depan. Penelitian ini bertujuan untuk memetakan wilayah rawan stunting di Kabupaten Probolinggo dengan menggunakan pendekatan machine learning melalui algoritma K-Means, serta menganalisis hubungan antara prevalensi stunting dengan faktor-faktor demografis seperti tingkat kemiskinan, akses sanitasi layak, dan rata-rata lama sekolah ibu. Data sekunder diperoleh dari Dinas Kesehatan, BPS, dan Dispendukcapil Kabupaten Probolinggo, serta dokumen perencanaan daerah. Hasil klasterisasi membagi kecamatan menjadi tiga kelompok risiko: tinggi, sedang, dan rendah. Klaster risiko tinggi ditandai dengan prevalensi stunting di atas 14%, kemiskinan melebihi 20%, sanitasi buruk, dan pendidikan ibu yang rendah. Analisis korelasi menunjukkan bahwa stunting berkorelasi positif kuat dengan kemiskinan (r = 0,96) dan negatif dengan sanitasi (r = -0,93) serta pendidikan ibu (r = -0,96). Temuan ini menegaskan perlunya intervensi lintas sektor yang terarah dan berbasis data untuk mempercepat penurunan angka stunting, khususnya di wilayah dengan karakteristik demografis yang rentan.
Pelatihan Penggunaan Microsoft Office Bagi Siswa MA Nurul Jadid Paiton Probolinggo Sudriyanto Sudriyanto; Mochammad Faid; Moh Sukron; Ahmad Supriadi
Jurnal Informasi Pengabdian Masyarakat Vol. 1 No. 2 (2023): Mei: Jurnal Informasi Pengabdian Masyarakat
Publisher : Institut Nalanda

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47861/jipm-nalanda.v1i2.396

Abstract

This research aims to assess the effectiveness of Microsoft Office training for students of Madrasah Aliyah (MA) Nurul Jadid in Paiton, Probolinggo. The training was chosen due to the importance of enhancing digital literacy and computer skills for students in an era heavily reliant on technology. The community engagement methods employed include lectures, demonstrations, and hands-on exercises conducted by the participants. The research results indicate a positive impact on improving the knowledge and skills of participants in the good category, increasing by 64.42%. However, challenges were observed among participants in the fair and poor categories, experiencing respective declines of 5.45% and 58.96%. These reductions highlight the need to reinforce the program with more varied methods and a personalized approach. Additionally, leveraging technology to facilitate interactive learning is essential to ensure that the benefits of the training can be equally felt by all participants. For further development, program enhancements are necessary to utilize more diverse methods and adopt a personal approach. The integration of technology can be harnessed to create a more interactive learning environment, fostering motivation and ensuring that the training's benefits are equally distributed among all participants. Thus, this research provides valuable insights for future training implementations, enabling a more effective approach to enhancing digital literacy and computer skills for students of Madrasah Aliyah Nurul Jadid in this rapidly advancing technological era.
Perbandingan Algoritma Klasifikasi untuk Prediksi Sentimen Emoji dalam Teks Yaqin, Moh. Ainol Yaqin; Moh Ainol Yaqin; Mochammad Faid
JOKI: Jurnal Komputasi dan Informatika Vol 1 No 01 (2024): Juni 2024
Publisher : Laskar Karya

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

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
Co-Authors ahmad supriadi Moh Sukron Moh. Sukron sudriyanto sudriyanto Wahab Sya'roni Yaqin, Moh. Ainol Yaqin, Moh. Ainol Yaqin