Article Per Year (5 Year)
p-Index From 2021 - 2026
1.993
P-Index
This Author published in this journals
All Journal Jurnas Nasional Teknologi dan Sistem Informasi IJIIS: International Journal of Informatics and Information Systems Jurnal Teknik Informatika (JUTIF) JURPIKAT (Jurnal Pengabdian Kepada Masyarakat) Journal of Applied Data Sciences Jurnal Pendidikan dan Teknologi Indonesia Jurnal Abdi Masyarakat Indonesia Community Impact and Society Empowerment Journal
Wahid, Arif Mu'amar
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Economics, Econometrics & Finance Education Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
PELATIHAN INTEL SFI FRAMEWORK UNTUK PENINGKATAN KETERAMPILAN TEKNOLOGI ASISTEN PRAKTIKUM UNIVERSITAS AMIKOM PURWOKERTO Hariawan, Akto; Wahid, Arif Mu'amar; L'ga Tama, Teppei Jordy; Haikal, Sultan Ananda; Pribadi, Prayoga
Community Impact and Society Empowerment Journal Vol. 1 No. 2 (2025): November
Publisher : Indonesian Researchers Forum

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

Abstract

Pelatihan ini menjawab tantangan keterbatasan keterampilan teknologi asisten praktikum Universitas AMIKOM Purwokerto dalam mengelola praktikum berbasis teknologi. Tujuan kegiatan ini adalah untuk meningkatkan keterampilan tersebut melalui pelatihan intensif berbasis Intel® Skills for Innovation (SFI) Framework, yang difokuskan pada pengelolaan praktikum, pemeliharaan infrastruktur, dan teknik pendampingan mahasiswa yang efektif. Metode yang digunakan adalah pelatihan daring selama satu hari kepada 32 asisten praktikum, dengan evaluasi dampak menggunakan pre-test dan post-test. Hasil analisis menunjukkan peningkatan positif pada semua aspek yang diukur. Peningkatan tertinggi tercatat pada persepsi relevansi dan manfaat workshop (skor rata-rata naik dari 4,22 menjadi 4,53), sementara peningkatan terendah terjadi pada aspek keyakinan untuk menerapkan prinsip SFI secara menyeluruh (naik dari 4,00 menjadi 4,03). Disimpulkan bahwa pelatihan ini bermanfaat meningkatkan kompetensi dasar dan kesiapan asisten praktikum. Namun, untuk memastikan implementasi SFI yang optimal, direkomendasikan tindak lanjut berupa pendalaman materi, praktik berkelanjutan, dan penambahan durasi pelatihan di masa mendatang. Implikasi dari kegiatan ini adalah peningkatan kompetensi asisten praktikum diharapkan dapat berkontribusi positif terhadap kualitas pembelajaran berbasis teknologi di universitas.
PENINGKATAN KOMPETENSI LITERASI DIGITAL SISWA SMK MITRA UNIVERSITAS AMIKOM PURWOKERTO Prasetyo, Agung; Wahid, Arif Mu'amar; Olivia, Desta
Community Impact and Society Empowerment Journal Vol. 1 No. 2 (2025): November
Publisher : Indonesian Researchers Forum

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

Abstract

Kegiatan pengabdian ini bertujuan untuk meningkatkan kompetensi dan kesadaran literasi digital siswa Sekolah Menengah Kejuruan (SMK) mitra Universitas Amikom Purwokerto sebagai upaya menghadapi maraknya ancaman siber di era digital, khususnya penyebaran hoaks dan penipuan daring. Metode yang digunakan adalah pelatihan luring intensif selama satu hari pada tanggal 9 Agustus 2025. Kegiatan ini diikuti oleh 28 siswa kelas XII, mayoritas dari jurusan Teknik Komputer dan Jaringan. Evaluasi dampak menggunakan kuesioner pasca-kegiatan yang mengukur persepsi dan peningkatan pemahaman secara retrospektif. Hasil analisis menunjukkan peningkatan signifikan pada pemahaman peserta tentang praktik internet aman, dengan skor rata-rata naik dari 3,39 (sebelum) menjadi 4,29 (setelah). Selain itu, peserta memberikan penilaian yang sangat tinggi terhadap relevansi materi (4,50 dari 5) dan efektivitas pembicara (4,32 dari 5). Berdasarkan hasil di atas dapat disimpulkan bahwa pelatihan yang terfokus pada studi kasus nyata sangat efektif untuk membangun kesadaran dan keterampilan defensif siswa di dunia maya. Direkomendasikan adanya program pendampingan berkelanjutan untuk memperkuat budaya digital yang positif di lingkungan sekolah.
GAN-Enhanced Radial Basis Function Networks for Improved Landslide Susceptibility Mapping Widiawati, Chyntia Raras Ajeng; Maulita, Ika; Purwati, Yuli; Wahid, Arif Mu'amar
Journal of Applied Data Sciences Vol 7, No 1: January 2026
Publisher : Bright Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47738/jads.v7i1.1035

Abstract

Landslide susceptibility modeling is a critical task for disaster mitigation, yet it is frequently undermined by a severe class imbalance inherent in landslide datasets, where non-landslide instances vastly outnumber actual landslide events. This imbalance leads to biased machine learning models with poor predictive power for the minority (landslide) class, resulting in unreliable hazard maps. This study, focusing on the high-risk area of Malang Regency, Indonesia, addresses this challenge by proposing an innovative framework that integrates a Generative Adversarial Network (GAN) for synthetic data augmentation with a Radial Basis Function Network (RBFN) for classification. A highly imbalanced dataset with a 1:10 ratio of landslide to non-landslide points was constructed to establish a realistic baseline. On this data, the RBFN model, while theoretically powerful for capturing non-linear relationships, failed completely, achieving a Recall of 0.00 for the landslide class. The novelty of this research lies in the specific application of a GAN, trained for 15,000 epochs, to generate high-fidelity synthetic landslide data, thereby creating a perfectly balanced training set. After retraining on this augmented data and undergoing a systematic hyperparameter tuning process, the RBFN’s performance was dramatically transformed. The optimized model achieved an F1-Score of 0.9333 and a Recall of 0.8750, elevating its performance from total failure to a level competitive with the robust Random Forest benchmark. This work validates that the integrated GAN-RBFN approach is a highly effective methodology for overcoming the data imbalance problem in geospatial hazard modeling. By turning a previously unreliable classifier into a powerful predictive tool, this method has significant practical implications for developing more accurate landslide susceptibility maps, which are crucial for informed spatial planning and enhancing early warning systems.
Co-Authors Abdul Azis Abdul Jahir Agung Prasetyo Akto Hariawan, Akto Andi Dwi Riyanto Chyntia Raras Ajeng Widiawati Darmono Fandy Setyo Utomo Giat Karyono Haikal, Sultan Ananda Ika Maulita L'ga Tama, Teppei Jordy Lasmedi Afuan Nugroho, Khabib Adi Olivia, Desta Pratama, Satrya Fajri Pratiwi, Aniec Anafisah Prayoga Pribadi Putri, Khanivia Yuniska Sarmini Sarmini Sufranto, Tri Titis Taqwa Hariguna Titi Safitri Maharani Turino, Turino Widyaningsih, Dyah Ayu Yi, Ding Yuli Purwati