Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business AMMA : Jurnal Pengabdian Masyarakat
Anggarini Puspita Rarasati
Universitas Pamulang
Humanities Chemistry Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

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

Found 2 Documents
Search

 1 
Sistem Reporting Surat Perintah Kerja Berbasis Website Anggarini Puspita Rarasati; Deytizsa Putri Nur Azizah; Puput Arie Sugiyanto; Wasis Haryono
AMMA : Jurnal Pengabdian Masyarakat Vol. 4 No. 5 : Juni (2025): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

PT. Jomu Studio Indonesia is a manufacturing company engaged in the production of molding knives. The current management system for Work Orders (SPK) still relies on Microsoft Excel-based documentation, which leads to suboptimal data processing, reduced work efficiency, and an increased risk of recording errors. To address these challenges, a web-based SPK reporting system was developed. This study applies a software engineering approach using the Waterfall model of the Software Development Life Cycle (SDLC), consisting of analysis, design, implementation, testing, and maintenance stages. The results indicate that the web-based system successfully automates order input, SPK creation, progress monitoring, and real-time data reporting. The system is expected to assist the company in improving service quality and accelerating decision-making processes.
Implementasi Sistem Deteksi dan Klasifikasi Cacat Produk Berbasis Web Menggunakan Algoritma YOLOv8 Anggarini Puspita Rarasati; Wiwin Winarti
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 2 (2026): Mei-Juli
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i2.12724

Abstract

Proses quality control pada produk metal cutting dies umumnya masih dilakukan melalui inspeksi visual secara manual, sehingga rentan terhadap ketidakkonsistenan, kelelahan, dan kesalahan manusia, terutama pada industri dengan volume produksi tinggi. Kondisi ini mendorong kebutuhan akan sistem inspeksi otomatis yang lebih cepat, objektif, dan konsisten dibandingkan pengamatan manual. Penelitian ini bertujuan mengembangkan sistem berbasis web untuk mendeteksi dan mengklasifikasikan cacat produk menggunakan algoritma YOLOv8. Pendekatan yang digunakan memanfaatkan object detection untuk mengidentifikasi area cacat pada permukaan produk, kemudian menentukan kondisi akhir produk ke dalam dua kategori yaitu defect dan non-defect berdasarkan confidence thresholding dengan ambang batas nilai confidence sebesar 50%. Tahapan penelitian meliputi studi pustaka, pengumpulan dataset, anotasi citra menggunakan platform Roboflow, pra-pemrosesan dan augmentasi data, pelatihan model, evaluasi model, perancangan antarmuka web, serta pengujian fungsional sistem secara menyeluruh. Model YOLOv8n (Nano) dilatih menggunakan dataset sebanyak ±200 gambar dengan transfer learning dari checkpoint publik MS COCO pada lingkungan komputasi berbasis CPU, dan menghasilkan nilai Precision sebesar 51,5% pada epoch terbaik ke-31, Recall sebesar 44,3%, dan mAP@0.5 sebesar 39,3%. Sistem web berbasis Flask yang dibangun mampu menampilkan bounding box pada area cacat beserta status akhir produk secara otomatis. Pengujian fungsionalitas menggunakan Black Box Testing menunjukkan seluruh skenario, baik positif maupun negatif, berhasil berjalan sesuai rencana dengan tingkat keberhasilan 100%, menegaskan bahwa pendekatan ini dapat diintegrasikan ke antarmuka sederhana tanpa latar belakang teknis kecerdasan buatan. Penelitian ini diharapkan mendukung inspeksi kualitas secara lebih cepat, konsisten, dan efisien, sekaligus menjadi dasar pengembangan lanjutan dengan dataset lebih besar dan akselerasi GPU.
Co-Authors Deytizsa Putri Nur Azizah Haryono, Wasis Puput Arie Sugiyanto Wiwin Winarti