Article Per Year (5 Year)
p-Index From 2019 - 2024
3.271
P-Index
This Author published in this journals
All Journal Techno.Com: Jurnal Teknologi Informasi CALYPTRA : Jurnal Ilmiah Mahasiswa Universitas Surabaya Telematika : Jurnal Informatika dan Teknologi Informasi Jurnal Teknologi Informasi dan Ilmu Komputer Jurnal Edukasi dan Penelitian Informatika (JEPIN) Journal of Information Systems Engineering and Business Intelligence Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Jurnal Informatika dan Multimedia Indonesian Journal of Information System J-SAKTI (Jurnal Sains Komputer dan Informatika) Teknika J-SAKTI (Jurnal Sains Komputer dan Informatika) Jurnal Informatika dan Multimedia
Mohammad Farid Naufal, Mohammad Farid
Jurusan Teknik Informatika, Universitas Surabaya, Surabaya, Jawa Timur
Aerospace Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 27 Documents
Search

 1   2   3 
Analisa Teknik Pembelajaran dan Pengajaran pada Universitas dan Industri Mohammad Farid Naufal
Jurnal Informatika dan Multimedia Polinema Vol. 10 No. 2 (2018): Jurnal Informatika dan Multimedia Polinema
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jim.v10i2.574

Abstract

Perkembangan teknologi yang sangat pesat mempengaruhi cara belajar terhadap sesuatu. Salah satunya yaitu belajar koding atau pemrograman. Pentingnya memperbarui cara dalam mempelajari dan mengajarkan koding merupakan sebuah solusi untuk memperbaiki sistem yang dinilai kurang dan sudah usang. Terdapat banyak sekali metode yang telah diterapkan oleh universitas dan perusahaan dalam mempelajari dan mengajarkan teknik pemrograman. Metode-metode yang digunakan seperti menggunakan via interactive gaming, online learning, melalui perkuliahan, mengerjakan project, dan lain-lain. Di dalam jurnal ini akan menjelaskan teknik-teknik dan metode pembelajaran dan pengajaran koding yang bermacam-macam. Selain itu, akan membandingkan metode satu dengan yang lainnya sehingga akan mengetahui teknik dan metode apa yang paling efektif digunakan sebagai metode pembelajaran dan pengajaran koding.  Sehingga metode pembelajaran dan pengajaran koding yang paling efektif adalah dengan menggunakan game interaktif berbentuk open source bernama pex4fun yang dapat diikuti oleh banyak pelajar dengan teknik pembelajaran yang beragam dan teknik penilaian yang modern.
Interactive Digital Storybook for Increasing Children Reading Interest of Indonesian Folklore Mohammad Farid Naufal; Selvia Ferdiana Kusuma
Jurnal Informatika dan Multimedia Polinema Vol. 8 No. 1 (2016): Jurnal Informatika dan Multimedia Polinema
Publisher : Politeknik Negeri Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jim.v8i1.1149

Abstract

Reading€” is very important for children but now children reading interest are decreasing, especially in Indonesian folklore. It happened because Indonesian folklore is written in traditional storybook version. If it continues to happen then children in the future will not know the histories of Indonesia. One way to increase children reading interest is introducing pictured storybook, but the traditional pictured storybook are not sufficient to increase children reading interest. In a growing era we can create a more interesting pictured storybook with implementing interactive digital storybook on android devices. Interactive means that children can interact to move the animated storybook characters. We assume that children interaction with interactive digital storybook can increase their enthusiasms in reading Indonesian folklore. To prove our hypothesis we conducted an experiment to 30 children. In the experiment, the children will read interactive digital storybook and traditional storybook after that we will see their responds. The result shows that interactive digital storybook can increase children reading interest of Indonesian folklore.
Penerapan Machine Learning untuk Prediksi Potensi Hilangnya Nasabah Bank Mohammad Farid Naufal; - Subrata; Alvin Fernando Susanto; Christian Nathaneil Kansil; Solichul Huda
Techno.Com Vol 22, No 1 (2023): Februari 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i1.7302

Abstract

Nasabah adalah salah satu aset paling berharga dari sebuah bisnis perbankan. Mereka adalah ujung tombak pengguna produk yang nantinya memberikan keuntungan bagi bank, terutama pada produk kartu kredit. Penelitian ini bertujuan untuk mengetahui nasabah mana sajakah yang berpotensi untuk meninggalkan layanan kartu kredit dari sebuah bank. Pada penelitian sebelumnya belum ada yang melakukan analisis perbandingan algoritma machine learning dengan berbagai macam tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Penelitian ini melakukan analisis perbandingan algoritma machine learning dengan kombinasi tahapan preprocessing untuk memprediksi potensi hilangnya nasabah bank. Analisis ini penting untuk pemilihan algoritma yang paling cocok untuk prediksi potensi hilangnya nasabah bank. Pada tahapan preprocessing diterapkan dimensionality reduction dan feature selection menggunakan metode Variance threshold dan Correlation coefficient. Metode klasifikasi yang digunakan adalah Logistic regression (LR), Decision tree (DT), dan Naïve Bayes (NB). Hasil tertinggi dari ketiga metode tersebut adalah Decision tree yang mampu memiliki nilai F1 Score sebesar 96% dan nilai akurasi mencapai 93%. Logistic regression dan Naïve Bayes berada pada urutan kedua dan ketiga setelah decision tree. Tahapan data preprocessing tidak memberikan pengaruh yang signifikan pada nilai F1 Score dan akurasi.
Otomatisasi Pembangkitan Pertanyaan untuk Bahasa Indonesia (Systematic Literature Review) Mohammad Farid Naufal; Selvia Ferdiana Kusuma
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10, No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.20231016455

Abstract

Penelitian tentang otomatisasi pembangkitan pertanyaan terus berkembang. Berbagai metode telah coba diterapkan pada berbagai bahasa. Setiap bahasa memiliki karakteristik yang berbeda beda. Oleh karena itu, metode yang digunakan untuk membangkitkan pertanyaan juga harus disesuaikan dengan bahasa yang digunakan. Otomatisasi pembangkitan pertanyaan untuk bahasa Indonesia juga sudah mulai berkembang sejak 2015. Hasil penelitian-penelitian tersebut perlu dianalisis agar dapat mengetahui kelebihan maupun kekurangan dari setiap metode yang pernah digunakan. Oleh karena itu, jurnal ini membahas tentang Systematic Literature Review (SLR) pembangkitan pertanyaan pada bahasa Indonesia. SLR yang dibangun ini dapat digunakan untuk bahan pertimbangan optimalisasi penelitian tentang pembangkitan pertanyaan menggunakan bahasa Indonesia di kemudian hari. Tahapan yang dilakukan dalam pembentukan SLR adalah perencanaan literature review, kemudian melakukan literature review dan terakhir adalah pelaporan hasil literature review. Pencarian pada google scholar menghasilkan 27 penelitian yang relevan dengan kata kunci. Penerapan kriteria inklusi dan eksklusi menghasilkan 15 penelitian yang relevan. Kemudian proses backward dan forward snowballing yang dilakukan menghasilkan 2 penelitian tambahan. Total penelitian yang dianalisis berjumlah 17 penelitian. Proses selanjutnya adalah penilaian kualitas penelitian. Hasil penilaian kualitas penelitian menunjukkan bahwa keseluruhan penelitian yang berjumlah 17 penelitian tersebut memiliki kualitas yang baik untuk dianalisis. Hasil analisis yang dilakukan menunjukkan bahwa penelitian awal terkait pembangkitan pertanyaan untuk bahasa Indonesia masih memiliki beberapa celah. Diantaranya terkait dataset yang belum memadai, model pertanyaan yang kurang beragam, belum adanya penanganan/preproses model kalimat unstructured, dan belum adanya pembangkitan pertanyaan yang berasal dari gabungan beberapa informasi. AbstractResearch on automated question generation is constantly evolving. Various methods have been tried to be applied in various languages. Each language has different characteristics. Therefore, the method used to generate questions should be adapted based on the language. The automation of question generation for Indonesian has also begun to develop since 2015. The result of these studies need to be analyzed to find out the advantages and disadvantages of each method that has been used. Therefore, this journal discusses the Systematic Literature Review (SLR) for generating questions in Indonesian. The SLR that was built can be used for consideration of optimizing research on generating questions using Indonesian in the future. The steps taken in this SLR are planning analysis, then carrying out the analysis and finally reporting the analysis. A search on Google Scholar yielded 27 studies that were relevant to the keyword. The application of inclusion and exclusion criteria resulted in 15 relevant studies. Then the backward and forward snowballing processes carried out resulted in 2 additional studies. Total research analyzed amounted to 17 studies. The next process is the assessment of research quality. The results of the research quality assessment showed that the overall 17 studies had good quality for analysis. The results of the analysis carried out indicate that the initial research related to question generation for Indonesian still has some gaps. For examples about datasets, question models, handling unstructured sentence models, and generating questions from a combination of some information.
Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning Alvin Eka Putra; Mohammad Farid Naufal; Vincentius Riandaru Prasetyo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.58186

Abstract

Rempah merupakan salah satu kekayaan yang dimiliki oleh Indonesia. Berdasarkan data yang dimiliki Negari Rempah Foundation, terdapat sekitar 400 hingga 500 spesies rempah di dunia dan 275 jenis rempah terdapat di Asia Tenggara terutama di Indonesia. Jenis rempah beragam dan memiliki kemiripan satu dengan yang lain sehingga sulit untuk dibedakan. Maka dari itu untuk mempertahankan pengetahuan mengenai rempah-rempah yang dimiliki Indonesia, diperlukan aplikasi klasifikasi jenis rempah yang akurat sehingga pengetahuan masyarakat tentang rempah tetap terjaga. Selain itu di bidang industri dapat meningkatkan efisiensi dalam industri rempah. Penggunaan teknologi dalam klasifikasi jenis rempah dapat meningkatkan efisiensi dalam industri rempah. Dengan teknologi yang tepat, waktu yang dibutuhkan untuk mengidentifikasi jenis rempah dapat dipercepat, dan juga meminimalkan risiko kesalahan manusia. Keterbatasan citra rempah juga menjadi permasalahan pada klasifikasi jenis rempah. Convolutional Neural Network (CNN) dengan arsitektur transfer learning adalah metode klasifikasi citra yang memiliki performa yang baik pada dataset dengan jumlah yang terbatas. Eksperimen yang dilakukan menggunakan 6 arsitketur CNN, yaitu Xception, MobileNetV2, DenseNet201, VGG16, VGG19, dan ResNet50. Terdapat 10 jenis rempah yang diklasifikasikan yaitu jahe, kunyit, kunci, adas, merica, laos, jintan, kencur, temulawak, dan ketumbar. Berdasarkan hasil eksperimen yang dilakukan Xception adalah arsitektur terbaik dengan F1 Score sebesar 96.99%.
Klasifikasi Tulisan Tangan Pada Resep Obat Menggunakan Convolutional Neural Network Mohammad Farid Naufal; Joko Siswantoro; Muhammad Ghifari Kusuma Wicaksono
Techno.Com Vol 22, No 2 (2023): Mei 2023
Publisher : LPPM Universitas Dian Nuswantoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33633/tc.v22i2.8075

Abstract

Obat merupakan bahan kimia yang dapat merepresentasikan tubuh secara fisiologi dan psikologi ketika dikonsumsi. Obat sebagai alat bantu untuk menyembuhkan dari berbagai macam penyakit. Dengan berkembangnya zaman dan bertambahnya wawasan, menyebabkan bertambah juga jenis obat-obatan yang memiliki banyak manfaat dan kegunaanya. Penelitian ini bertujuan untuk mendeteksi nama obat dalam resep dokter menggunakan Convolutional Neural Network (CNN) dengan transfer learning. Metode transfer learning merupakan metode yang popular dalam mengklasifikasi gambar digital yang berguna untuk mempercepat proses klasifikasi. Penelitian ini membandingkan lima artistektur transfer learning yaitu VGG16, Resnet, Xception, LeNet, dan GoogleNet. Penelitian ini juga menggunakan grayscaling, resizing, dan median filter pada tahap preprocessing. Preprocessing digunakan untuk meningkatkan kualitas citra pada citra resep obat dan menghilangkan noise pada citra. ResNet-50 merupakan arsitektur terbaik untuk mengklasifikasi nama obat. Pada percobaan menggunakan ResNet-50, mendapatkan F1 score tertinggi yaitu sebesar 97,56% dan waktu training rata-rata 0,25 detik setiap epoch. Dapat disimpulkan Resnet merupakan arsitektur terbaik untuk mengklasifikasikan nama obat dalam citra resep dokter serta dapat mendeteksi nama obat secara akurat.
Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning Mohammad Farid Naufal; Selvia Ferdiana Kusuma
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i1.49951

Abstract

Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis.  Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.
Co-Authors - Subrata Alvin Eka Putra Alvin Fernando Susanto Ang Alexander Yoshua Aryo Budilaksono Astri Agustina Arius Christian Nathaneil Kansil Daniel Cristianindra R. Daniel Hary Prasetyo David Sugiarto Derry Alim Fernando Fania Alya Miranti Farrel Arghya Tito Prayoga Felix Handani Firman Herda Ramadhan Jeremy Owen Lieyanto Jessica Millenia Joko Siswantoro Joseph Kristiano Juan Timothy Soebroto Kevin Christian Tanus Mirella Mercifia Mohd Sanusi Bin Azmi Muhammad Ghifari Kusuma Wicaksono Nicky Setyawan Dinata Panji Yumadana Vernolyo Putu Aditya Riva Putra Raynaldy Valentino Sukiwun Rizka Febrina P. Selvia F Kusuma, Selvia F Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Selvia Ferdiana Kusuma Septian Wijaya Aminulloh Sesilia Shania Sesilia Shania Solichul Huda Solichul Huda Stefan Axel Vincentius Riandaru Prasetyo Vincentius Riandaru Prasetyo Wibisono, Yudistira Rahadian Wisnu Aria Yustisia Yohanes Albert Lauwoto Yudistira Rahadian Wibisono Zefanya Ardya Prayuska