Article Per Year (5 Year)
p-Index From 2021 - 2026
2.201
P-Index
This Author published in this journals
All Journal TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Sains dan Informatika SELAPARANG: Jurnal Pengabdian Masyarakat Berkemajuan JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI JUTIM (Jurnal Teknik Informatika Musirawas) JOURNAL OF SCIENCE AND SOCIAL RESEARCH Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Pengabdian Masyarakat (ABDIRA) Jurnal Riset Rumpun Ilmu Teknik (JURRITEK) Jurnal Masyarakat Madani Indonesia Sewagati Journal of Embedded Systems, Security and Intelligent Systems
Novrizal Fattah Fahmitra
Universitas Maritim Raja Ali Haji
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 14 Documents
Search

 1   2 
Klasifikasi Sampah Laut Jenis Limbah Plastik Menggunakan Metode Convolutional Neural Network Backpropagation (Perairan Kota Tanjungpinang) Hardi Prayuda; Muhamad Radzi Rathomi; Novrizal Fattah Fahmitra
Jurnal Sains dan Informatika Vol. 11 No. 2 (2025): Jurnal Sains dan Informatika
Publisher : Teknik Informatika, Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jsi.v11i2.1644

Abstract

Pencemaran laut akibat sampah plastik menjadi isu global, termasuk di Kota Tanjungpinang. Sampah plastik yang sulit terurai ini membahayakan ekosistem laut dan aktivitas manusia. Penelitian ini bertujuan untuk mengklasifikasikan jenis sampah plastik menggunakan metode CNN Backpropagation dengan arsitektur VGG-16 untuk meningkatkan efektivitas pengelolaan sampah. Dataset tersebut mencakup citra sampah laut dengan empat kelas sampah plastik: bungkus makanan, kantong plastik, botol plastik, dan bungkus minuman, beserta beberapa sampah non-plastik sebagai pembanding. Model dilatih dengan ukuran batch 32 dan dievaluasi pada epoch 50 hingga 250. Performa terbaik dicapai pada epoch 250, dengan akurasi 97,66% dan loss 0,0798. Pengujian menghasilkan akurasi 93% untuk bungkus makanan, 93% untuk kantong plastik, 90% untuk botol plastik, 86% untuk bungkus minuman, dan 75% untuk sampah non-plastik. Model ini secara efektif mengklasifikasikan sampah plastik, mendukung pengelolaan sampah laut yang lebih baik di Kota Tanjungpinang.
SISTEM INVENTARIS ASET LABORATORIUM DI FAKULTAS TEKNIK DAN TEKNOLOGI KEMARITIMAN UMRAH Nolan Efranda; Rifaldi Herikson; Feri Irawan; Berta Erwin SLAM; Novrizal Fattah Fahmitra
JUTIM (Jurnal Teknik Informatika Musirawas) Vol. 10 No. 2 (2025): JUTIM (JURNAL TEKNIK INFORMATIKA MUSIRAWAS) DESEMBER
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jutim.v10i2.2839

Abstract

Pada era digital, pengelolaan aset berbasis teknologi informasi menjadi kebutuhan penting bagi institusi pendidikan, termasuk fakultas sebagai unit utama dalam perguruan tinggi. Fakultas Teknik dan Teknologi Kemaritiman (FTTK) Universitas Maritim Raja Ali Haji (UMRAH) memiliki beragam aset penunjang kegiatan akademik dan praktikum. Namun, proses inventarisasi di FTTK masih dilakukan secara manual menggunakan dokumen fisik atau Microsoft Excel, yang rentan terhadap kesalahan pencatatan, duplikasi data, keterlambatan pelaporan, serta kesulitan dalam pelacakan aset dan proses peminjaman. Permasalahan ini menunjukkan urgensi transformasi digital melalui penerapan sistem informasi inventarisasi asset laboratorium. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi yang mendukung digitalisasi pengelolaan aset di Laboratorium FTTK. Sistem dikembangkan menggunakan pendekatan agile untuk memastikan fleksibilitas terhadap kebutuhan pengguna. Tahapan penelitian meliputi perancangan sistem, implementasi, serta pengujian efektivitas dalam mempermudah proses pencatatan, pelacakan, pelaporan, dan peminjaman aset. Fitur tambahan seperti pelaporan kerusakan dan riwayat penggunaan juga disertakan guna meningkatkan pemantauan kondisi aset secara berkala. Hasil dari penelitian ini diharapkan dapat memberikan solusi yang efisien, akuntabel, dan transparan dalam pengelolaan aset, serta menjadi model penerapan digitalisasi di lingkungan perguruan tinggi.
PERANCANGAN DAN PENGEMBANGAN SISTEM INFORMASI TUGAS AKHIR TERINTEGRASI DENGAN PENILAIAN KURIKULUM BERBASIS OUTCOME-BASED EDUCATION (OBE) Feri Irawan; Berta Erwin Slam; Nolan Efranda; Rifaldi Herikson; Novrizal Fattah Fahmitra
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 8 No. 4 (2025): November 2025
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v8i4.4539

Abstract

Abstract: The implementation of an Outcome-Based Education (OBE) curriculum in higher education requires an information system capable of integrating academic processes with learning outcome assessments in a structured and transparent manner. This study aims to design and develop a Final Project Information System integrated with OBE-based curriculum assessment to support the processes of title submission, supervision, seminars, and final evaluation of students. The system was developed using a Research and Development (R&D) approach with the Waterfall development model and implemented using the Laravel framework and MySQL database. Testing was conducted using the Black-Box Testing method to ensure functional suitability according to user requirements. The implementation results show that the system increased the efficiency of final project management by 60%, reduced administrative errors by 45%, and accelerated the reporting of grades and learning achievements by 70% compared to manual methods. Furthermore, testing results demonstrated a 100% success rate across all system functions. Thus, this system has proven effective in supporting the evaluation process of Program Learning Outcomes and Course Learning Outcomes in an integrated manner, and it can serve as a model for implementing an accountable OBE-based academic system within the Faculty of Engineering. Keyword: Final Project Information System; Outcome-Based Education; Curriculum Assessment; Learning Outcomes Evaluation; Academic System Abstrak: Penerapan kurikulum berbasis Outcome-Based Education (OBE) di pendidikan tinggi menuntut tersedianya sistem informasi yang mampu mengintegrasikan proses akademik dengan asesmen capaian pembelajaran secara terstruktur dan transparan. Penelitian ini bertujuan untuk merancang dan mengembangkan Sistem Informasi Tugas Akhir yang terintegrasi dengan penilaian kurikulum berbasis OBE guna mendukung proses pengajuan judul, bimbingan, seminar, dan penilaian akhir mahasiswa. Sistem dikembangkan menggunakan pendekatan Research and Development (R&D) dengan model pengembangan Waterfall, serta diimplementasikan menggunakan framework Laravel dan basis data MySQL. Pengujian dilakukan menggunakan metode Black-Box Testing untuk memastikan kesesuaian fungsi dengan kebutuhan pengguna. Hasil implementasi menunjukkan bahwa sistem mampu meningkatkan efisiensi pengelolaan tugas akhir hingga 60%, menurunkan kesalahan administrasi sebesar 45%, dan mempercepat proses pelaporan nilai serta capaian pembelajaran hingga 70% dibandingkan metode manual. Selain itu, hasil pengujian menunjukkan tingkat keberhasilan 100% pada seluruh fungsi sistem. Dengan demikian, sistem ini terbukti efektif dalam mendukung proses evaluasi capaian pembelajaran lulusan dan capaian pembelajaran mata kuliah secara terintegrasi, serta dapat menjadi model penerapan sistem akademik berbasis OBE yang akuntabel di lingkungan Fakultas Teknik. Kata kunci: Sistem Informasi Tugas Akhir; Outcome-Based Education; Penilaian Kurikulum; Evaluasi Capaian Pembelajaran; Sistem Akademik
A Hybrid VAE-CNN Framework for Unsupervised URL-Based Phishing Detection Hendra Kurniawan; Yoga Syahputra; Novrizal Fattah Fahmitra
Journal of Embedded Systems, Security and Intelligent Systems Vol 7 No 2 (2026): June 2026
Publisher : Program Studi Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/jessi.v7i2.12237

Abstract

Purpose – URL-based phishing remains a persistent cybersecurity threat because attackers continuously generate deceptive links that evade blacklist-based and supervised detection systems. This study aims to develop and evaluate an unsupervised phishing detection framework that learns legitimate URL patterns without requiring labeled phishing samples during training. Design/methods/approach – A hybrid Variational Autoencoder–Convolutional Neural Network (VAE-CNN) model was proposed and compared with a Convolutional Autoencoder (CAE) baseline. Both models were trained only on legitimate URLs from the PhiUSIIL dataset and evaluated using repeated holdout validation across five random seeds. The experiments included four latent dimensions, five percentile-based anomaly thresholds, and McNemar’s exact test. In addition, external validation was conducted using PhishTank phishing URLs combined with PhiUSIIL legitimate holdout samples. Findings – In the main PhiUSIIL benchmark, the best VAE-CNN configuration achieved an accuracy of 0.9458, precision of 0.9091, recall of 0.9907, and F1-score of 0.9482, outperforming the best CAE baseline with an F1-score of 0.8920. In external validation, VAE-CNN achieved an F1-score of 0.9494, compared with 0.8470 for CAE. McNemar’s test confirmed statistically significant paired-prediction differences across all evaluated comparisons. Research implications/limitations – The findings indicate that probabilistic latent modeling improves unsupervised phishing detection, although the study remains limited to character-level URL representations and benchmark-based evaluation. Originality/value – The proposed VAE-CNN provides a statistically validated unsupervised framework for URL-based phishing detection and demonstrates promising cross-source performance under the evaluated PhiUSIIL–PhishTank setting, particularly when labeled malicious URLs are limited, delayed, or rapidly outdated.
Co-Authors Basyaruddin Ismail Harahap Bayu Dwi Pratama Chidmahdjati, Aria Bagiasa Daniel Sinaga Deny Nusyirwan Dwi Cahya Rada Dwila Sempi Yusiani Efranda, Nolan Farel Putra Albana Feri Irawan Feri irawan Ferly Oktavia Fortia Magfira Hardi Prayuda Hendra Kurniawan Irving Vitra Paputungan Jefta Saragih Kusuma, Hollanda Marisha Pertiwi Matulatan, Tekad Muhamad Fadli Muhamad Radzi Rathomi Muhammad Afham Muhammad Faiz Arrahman Nabila, Aditia Ayu Rahma Nikentari, Nerfita Nolan Efranda Nolan Efranda Rafi Dio Rifaldi Herikson Serly Eldina SLAM, Berta Erwin Yandri, Sepli Yoga Syahputra Yos Ekaristi Manik, Agustina Sartika