Claim Missing Document
Check
Articles

TRANSFORMASI DIGITAL DAN KOMUNIKASI STRATEGIS DALAM MENDUKUNG TUGAS KEPOLISIAN PERAIRAN DAN UDARA Amin, Afriadi; Haslinda, Haslinda; Yasir, Amru; Satria, Welnof; Rahmah, Sabrina Aulia
JPPM : Jurnal Pengabdian dan Pemberdayaan Masyarakat Vol 2, No 2 (2026): Maret
Publisher : Compart Digital

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63854/jppm.v2i2.146

Abstract

Pengabdian kepada masyarakat ini bertujuan untuk mendukung peningkatan kapasitas personel Direktorat Kepolisian Perairan dan Udara (Ditpolairud) Polda Sumatera Utara melalui integrasi ilmu komunikasi dan ilmu komputer. Transformasi digital menjadi kebutuhan mendesak dalam menghadapi tantangan keamanan perairan dan udara yang semakin kompleks, sementara komunikasi strategis diperlukan untuk membangun kepercayaan publik serta memperkuat koordinasi internal. Kegiatan ini meliputi pelatihan literasi digital, pemanfaatan aplikasi komputer untuk pengelolaan data operasional, serta pengembangan strategi komunikasi publik yang efektif. Dengan pendekatan kolaboratif, diharapkan personel Ditpolairud mampu meningkatkan profesionalisme, transparansi, dan responsivitas dalam menjalankan tugas pokok kepolisian, sekaligus memperkuat hubungan dengan masyarakat pesisir dan pengguna transportasi udara. Hasil pengabdian ini diharapkan dapat menjadi model integrasi teknologi informasi dan komunikasi strategis dalam mendukung kinerja kepolisian di era digital.
PENERAPAN METODE KLASIFIKASI POHON KEPUTUSAN PADA PASIEN PENYAKIT JANTUNG MENGGUNAKAN ALGORITMA C4.5 Prayoga, J.; Hasugian, Buyung Solihin; Tasril, Virdyra; Yasir, Amru
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8519

Abstract

Data mining adalah sebuah proses analisis data dengan menggunakan perangkat lunak untuk menemukan pola dan aturan dari sejumlah data. Data mining mampu menganalisis data yang sangat besar dan kemudian mengubahnya menjadi sebuah informasi. Informasi yang memiliki arti penting untuk mendukung pengambilan keputusan. Salah satu teknik dalam data mining adalah klasifikasi, yaitu suatu proses untuk menemukan suatu model fungsi yang menjelaskan suatu konsep atau kelas data untuk memprediksi kelas dari objek yang tidak sejenis. Pada tugas akhir ini akan dibuat suatu perangkat lunak yang menerapkan metode decision tree dengan algoritma C4.5, kemudian menganalisis persentase nilai kebenaran dari pohon dan hasil klasifikasi, dan mengomputasikannya dengan RAPID MINER. Algoritma ini memiliki persentase nilai kebenaran antara 66,67% hingga 100%. Persentase nilai kebenaran pohon ini bergantung pada data training yang digunakan untuk membangun pohon
KLASIFIKASI GAYA DESAIN POSTER MENGGUNAKAN EFFICIENTNETB0 BERBASIS TRANSFER LEARNING DAN FINE-TUNING Annisa, Putri; Ritonga, Rama Prameswara; Yasir, Amru; Prayoga, J
Djtechno: Jurnal Teknologi Informasi Vol 7, No 1 (2026): April
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/djtechno.v7i1.8605

Abstract

AbstrakPenelitian ini bertujuan mengklasifikasikan gaya desain poster menggunakan arsitektur EfficientNetB0. Pendekatan ini dilakukan untuk mengatasi subjektivitas dalam identifikasi manual gaya visual melalui pemanfaatan teknologi deep learning. Metode penelitian yang diterapkan berbasis transfer learning, yang mencakup tahap pelatihan awal dan dilanjutkan dengan proses fine-tuning untuk mengoptimalkan pengenalan fitur visual. Data penelitian yang diambil kemudian diolah menggunakan Google Colaboratory. Hasil eksperimen menunjukkan bahwa penerapan fine-tuning berhasil meningkatkan performa model secara signifikan hingga mencapai tingkat akurasi sebesar 84%. Berdasarkan hasil confusion matrix, model terbukti mampu membedakan karakteristik antar gaya desain secara stabil dan konsisten. Simpulan dari penelitian ini adalah penggunaan model EfficientNetB0 dengan strategi fine-tuning sangat efektif dalam melakukan klasifikasi citra poster dengan akurasi yang tinggi. Hasil ini diharapkan dapat mempermudah pengarsipan dan manajemen aset visual digital secara otomatis.Kata Kunci: EfficientNetB0, Gaya Desain Poster, Transfer Learning, Fine-Tuning, Klasifikasi Citra.AbstractThis research aims to classify poster design styles using the EfficientNetB0 architecture. This approach is undertaken to mitigate subjectivity in the manual identification of visual styles by leveraging deep learning technology. The research methodology is based on transfer learning, encompassing an initial training phase followed by a fine-tuning process to optimize visual feature recognition. The collected research data were processed using Google Colaboratory. Experimental results demonstrate that the application of fine-tuning significantly improved model performance, achieving an accuracy rate of 84%. Based on the confusion matrix analysis, the model proved capable of distinguishing characteristics between design styles with stability and consistency. This study concludes that the EfficientNetB0 model, combined with a fine-tuning strategy, is highly effective for poster image classification with high accuracy. These findings are expected to facilitate automated archiving and digital visual asset management.Keywords: EfficientNetB0, Poster Design Style, Transfer Learning, Fine-Tuning, Image Classification.