Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika (JUTIF) Innovative: Journal Of Social Science Research
Basyir, Muhammad Khalidin
Unknown Affiliation
Humanities Computer Science & IT Law, Crime, Criminology & Criminal Justice Public Health Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Pemanfaatan Ikan Kembung Sebagai Bahan Baku Otak-Otak untuk Meningkatkan Daya Saing UMKM di Desa Indrayaman Prayogi, Agung; Sagala, Ismaniar Hasanah; Sari, Linda; Basyir, Muhammad Khalidin; Muin, Mohd Iqbal Abdul; Panggabean, Trisatin; Siagian, Yudi Maulana
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.18018

Abstract

Setiap orang menginginkan kehidupan yang sejahtera untuk menjalani kehidupan sehari-hari dengan memenuhi kebutuhan ekonominya akan pangan, sandang, dan papan. Berbagai upaya dilakukan untuk mencapai tujuan masyarakat. Salah satu cara untuk mencapai hal tersebut dengan menciptakan usaha mikro, kecil dan menengah (UMKM). Tujuan dari penelitian ini untuk meningkatkan daya saing UMKM di desa Indrayaman dengan memanfaatkan ikan kembung sebagai bahan baku otak-otak. Metode penelitian yang digunakan yaitu metode kualitatif dengan pengumpulan data melalui observasi, wawancara, dan pelatihan. Hasil penelitian menunjukkan peningkatan minat masyarakat desa Indrayaman terhadap konsumsi ikan kembung dan kontribusi positif terhadap pendapatan UMKM setempat. Meskipun masih terdapat tantangan dalam hal standarisasi produk, kegiatan ini berhasil mempromosikan potensi ekonomi lokal dan meningkatkan pengetahuan mengenai manfaat ikan bagi kesehatan. Upaya ini diharapkan dapat memberikan kontribusi pada peningkatan daya saing UMKM dan pengembangan produk pangan lokal. Program ini juga memberikan pelatihan diversifikasi produk perikanan, yang berdampak pada peningkatan penjualan lokal.
Klasifikasi Ras Anjing Menggunakan Convolutional Neural Network Pada Citra Digital Basyir, Muhammad Khalidin; Supiyandi, Supiyandi
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/innovative.v5i1.17416

Abstract

Klasifikasi ras anjing merupakan tugas penting dalam mendukung identifikasi, pemahaman perilaku, serta kebutuhan kesehatan dan perawatan spesifik dari berbagai ras. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) untuk mengklasifikasikan gambar ras anjing, memanfaatkan dataset besar dengan teknik Transfer Learning dan augmentasi data. Studi ini bertujuan untuk meningkatkan akurasi klasifikasi serta efisiensi waktu pemrosesan. Hasil menunjukkan model CNN yang dikembangkan mampu mencapai akurasi 74,38% pada data uji, mencerminkan efektivitas metode ini meskipun terdapat tantangan terkait kondisi pencahayaan dan sudut pandang. Penelitian ini berkontribusi pada pengembangan teknologi berbasis kecerdasan buatan untuk mendukung pemilik hewan peliharaan dan profesional dalam memahami kebutuhan spesifik ras anjing.
An Interpretable Deep Learning Framework for Multi-Class Lung Disease Diagnosis Using ConvNeXt Architecture Basyir, Muhammad Khalidin; Furqan, Mhd; Fadlan, Aulia
Jurnal Teknik Informatika (Jutif) Vol. 6 No. 6 (2025): JUTIF Volume 6, Number 6, Desember 2025
Publisher : Informatika, Universitas Jenderal Soedirman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52436/1.jutif.2025.6.6.5404

Abstract

Lung diseases remain a major global health challenge, requiring accurate and interpretable diagnostic systems to support timely detection and treatment. This study proposes a high-fidelity deep learning approach using the ConvNeXt architecture for automated multi-class classification of chest X-ray (CXR) images into five categories: Bacterial Pneumonia, Viral Pneumonia, COVID-19, Tuberculosis, and Normal. The methodology involved preprocessing 10.095 Kaggle-sourced images (normalization, CLAHE, augmentation, resizing) and training a ConvNeXt model for 70 epochs with the Adam optimizer. The model achieved strong performance with 92.66% validation accuracy, 86.32% test accuracy, a macro-average F1-score of 0.86, and a macro-average AUC of 0.99. Grad-CAM visualizations demonstrated the model's consistent focus on clinically relevant lung regions, significantly improving interpretability and clinical applicability. This study contributes to advancing interpretable AI methods for clinical decision support in medical imaging, offering a reliable and transparent framework for automated lung disease diagnosis.
Co-Authors Fadlan, Aulia Mhd Furqan Muin, Mohd Iqbal Abdul Panggabean, Trisatin Prayogi, Agung Sagala, Ismaniar Hasanah Sari, Linda Siagian, Yudi Maulana Supiyandi Supiyandi