Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal APPA : Jurnal Pengabdian Kepada Masyarakat AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan
Saputra, Ilham Ahsan
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology

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

Found 2 Documents
Search

 1 
Pengembangan Platform Pembelajaran Interaktif Studyhub TKJ Berbasis Website dengan Fitur Simulasi Virtual (Interaktif) dan Pendekatan AI-Assisted Coding untuk Meningkatkan Literasi Jaringan Komputer Siswa SMK Az-Zahra Sepatan Saputra, Ilham Ahsan; Ubaydilah; Aziz Zen, Muhammad; Alfalah Arizki, Mohammad Ilham; Qurniawan, Meiva Malykhah; Nursyifa; Susanto, Teguh Riyan; Azis Wantah, Mochamad Fachriz; Al Islami, Hidayatullah
APPA : Jurnal Pengabdian Kepada Masyarakat Vol 3 No 4 (2025): APPA : Jurnal Pengabdian kepada Masyarakat (INPRESS)
Publisher : Shofanah Media Berkah

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

Abstract

Keterbatasan sarana praktik dan media pembelajaran interaktif masih menjadi permasalahan utama dalam pembelajaran Teknik Komputer dan Jaringan (TKJ) di sekolah menengah kejuruan, khususnya di SMK Az-Zahra Sepatan. Kondisi tersebut berdampak pada rendahnya literasi jaringan komputer serta minimnya pengalaman praktik siswa yang mendekati kebutuhan dunia industri. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk mengembangkan dan mengimplementasikan platform pembelajaran interaktif berbasis website bernama StudyHub TKJ yang dilengkapi dengan fitur simulasi virtual dan pendekatan AI-assisted coding. Metode pelaksanaan menggunakan pendekatan partisipatif dan kolaboratif yang meliputi tahap analisis kebutuhan, pengembangan platform, implementasi dan pelatihan, serta evaluasi. Platform yang dikembangkan memungkinkan siswa melakukan simulasi konfigurasi jaringan secara daring tanpa ketergantungan pada perangkat keras fisik, serta memperoleh umpan balik otomatis melalui bantuan kecerdasan buatan dalam penulisan dan pemahaman perintah konfigurasi jaringan. Hasil implementasi menunjukkan bahwa StudyHub TKJ mampu meningkatkan pemahaman konsep jaringan, kemandirian belajar, dan literasi digital siswa. Selain itu, guru memperoleh alternatif media pembelajaran yang lebih fleksibel dan aplikatif. Dengan demikian, platform ini berpotensi menjadi model pembelajaran digital yang efektif dan dapat direplikasi pada sekolah kejuruan lain dengan kondisi serupa.
Pengenalan Wajah Emosi Menggunakan CNN dan Ekstraksi Fitur HOG Saputra, Ilham Ahsan; Ubaydilah; Sulaeman, Muhammad Firzi; Bayu Samudra; Perani Rosyani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

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

Abstract

Pengenalan emosi wajah merupakan komponen penting dalam visi komputer karena mendukung interaksi manusia–komputer, analisis perilaku, serta pengembangan sistem cerdas berbasis persepsi visual. Namun, performa model pada dataset umum seperti FER-2013 sering terhambat oleh variasi pencahayaan, resolusi rendah, ketidakseimbangan kelas, dan potensi noise pada label. Penelitian ini mengusulkan pengembangan arsitektur Convolutional Neural Network (CNN) yang dioptimasi untuk meningkatkan akurasi dan kemampuan generalisasi dalam klasifikasi emosi wajah. Pendekatan yang digunakan mencakup preprocessing citra grayscale 48×48 piksel, augmentasi data, penerapan class weighting, serta modifikasi arsitektur dengan Batch Normalization, LeakyReLU, Global Average Pooling, dan Dropout. Model dievaluasi menggunakan akurasi, F1-score, confusion matrix, dan visualisasi Grad-CAM untuk menilai interpretabilitas.  Hasil eksperimen menunjukkan bahwa model yang diusulkan mencapai akurasi pengujian 56–58% dan weighted F1-score 0,55–0,58, meningkat signifikan dibandingkan model baseline CNN (41–42%) maupun pendekatan HOG+SVM (35–40%). Analisis menunjukkan peningkatan kinerja pada kelas minor, sementara Grad-CAM mengonfirmasi bahwa model memfokuskan perhatian pada area wajah relevan seperti mata dan mulut. Temuan ini membuktikan bahwa arsitektur CNN ringan yang dioptimasi mampu memberikan performa lebih stabil pada dataset berkualitas rendah dan tidak seimbang, serta menjadi dasar bagi pengembangan model lanjutan berbasis transfer learning dan attention mechanism.
Co-Authors Alfalah Arizki, Mohammad Ilham Azis Wantah, Mochamad Fachriz Aziz Zen, Muhammad Bayu Samudra hidayatullah Al Islami Nursyifa Perani Rosyani Qurniawan, Meiva Malykhah Sulaeman, Muhammad Firzi Susanto, Teguh Riyan Ubaydilah