Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal International Journal of Electronics and Communications Systems Jurnal Ilmiah Mahasiswa Fakultas Hukum Universitas Malikussaleh
Zulfiqri, Muhammad
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Law, Crime, Criminology & Criminal Justice

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
KEKUATAN HUKUM PEMBUKTIAN TERHADAP KETERANGAN SAKSI DE AUDITU DALAM HUKUM ACARA PIDANA Zulfiqri, Muhammad; Bahreisy, Budi; Asmara, Romi
Jurnal Ilmiah Mahasiswa Fakultas Hukum Universitas Malikussaleh Vol. 8 No. 2 (2025): (April)
Publisher : Fakultas Hukum Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/jimfh.v8i2.21767

Abstract

Perluasan makna saksi dalam hukum acara pidana berdasarkan Putusan Mahkamah Konstitusi No. 65/PUU-VIII/2010, yang mengakui keterangan saksi De Auditu sebagai alat bukti sah untuk mendukung pembuktian kebenaran materiil, meskipun tidak memiliki pengalaman langsung atas peristiwa pidana. Latar belakang masalah muncul dari keterbatasan pembuktian ketika saksi langsung sulit dihadirkan, sehingga dibutuhkan pengakuan terhadap keterangan tidak langsung dengan tetap menjunjung kehati-hatian dalam penilaiannya. Tujuan penelitian ini adalah untuk menganalisis kekuatan hukum keterangan saksi De Auditu dan bagaimana sistem peradilan pidana menilai alat bukti tersebut. Penelitian ini menggunakan metode yuridis normatif dengan pendekatan deskriptif melalui studi kepustakaan terhadap sumber hukum primer, sekunder, dan tersier, yang dianalisis secara kualitatif. Hasil penelitian menunjukkan bahwa meskipun saksi De Auditu diakui sebagai alat bukti, keterangan tersebut tidak dapat berdiri sendiri dan harus didukung oleh alat bukti sah lainnya sebagaimana diatur dalam Pasal 183 KUHAP, serta tidak boleh melanggar asas praduga tak bersalah maupun hak terdakwa untuk melakukan pemeriksaan silang. Kesimpulan penelitian ini menegaskan bahwa keterangan saksi De Auditu memiliki kekuatan pembuktian terbatas dan hanya dapat digunakan sebagai pelengkap dalam proses pembuktian pidana. Oleh karena itu, disarankan agar aparat penegak hukum dan hakim tetap menjadikan keterangan tersebut sebagai bukti pendukung yang harus diverifikasi secara ketat agar tidak mencederai keadilan dalam proses peradilan pidana. 
Image Classification of Medicinal Plants Using Inception V3 and CNN: A Novel Implementation Kartarina, Kartarina; Islamiah, Nuratun; Supatmiwati, Diah; Zulfiqri, Muhammad; Triwijoyo, Bambang Krismono; Amrullah, Rahayun
International Journal of Electronics and Communications Systems Vol. 5 No. 2 (2025): International Journal of Electronics and Communications System
Publisher : Universitas Islam Negeri Raden Intan Lampung, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24042//ijecs.v5i2.27930

Abstract

Indonesia is recognized as one of the world's biodiversity hotspots, with around 30,000 of the 40,000 global medicinal plant species found in its territory. This biological wealth is a strategic asset for health innovation and digital preservation. In areas with limited access to healthcare services, medicinal plants are the primary source of treatment, but their use is still hampered by the lack of a technology-based identification and documentation system. This study aims to develop and test a classification model for medicinal plants using a Convolutional Neural Network with Inception V3 architecture. The study uses the CRISP-DM (Cross-Industry Standard Process for Data Mining) framework, which ensures systematic stages of business understanding, data preparation, modeling, and evaluation. The dataset used consists of 2,750 leaf images in 25 classes, compiled from previous research and independent collections. The data was divided into 1,921 images for training and 823 images for testing using a 70:30 ratio. The model was evaluated using accuracy, precision, recall, and F1 score. The results showed that the Inception V3-based CNN achieved a training accuracy of 96%, which increased to 97% with optimized weights, while maintaining strong precision, recall, and F1 scores. This proves that the Inception V3-based approach is capable of providing high and stable classification performance for the identification of Indonesian medicinal plants. These findings highlight the effectiveness of the model in identifying Indonesian medicinal plants from leaf images, providing a promising foundation for the development of knowledge and potential real-world applications
Co-Authors Amrullah, Rahayun Budi Bahreisy Diah Supatmiwati Islamiah, Nuratun Kartarina, Kartarina Romi Asmara Triwijoyo, Bambang Krismono