Claim Missing Document
Check
Articles

Found 32 Documents
Search

Pengembangan Aplikasi Ujian Berbasis Web dengan Laravel untuk Efisiensi Penilaian dan Reduksi Penggunaan Kertas di SMK Nahdliyatul Islamiyah Jauhari, Ach; Kharisma, Putri Dewi; Walid, Miftahul
BAJHRAH: JURNAL PENGABDIAN KEPADA MASYARAKAT Vol 1 No 2 (2024): BAJHRAH: Jurnal Pengabdian Kepada Masyarakat
Publisher : Universitas Islam Madura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31102/2024.1.2.31-42

Abstract

Penerapan teknologi informasi dalam pendidikan telah menjadi fokus utama bagi lembaga pendidikan modern. Di era digital saat ini, penggunaan aplikasi ujian berbasis website telah menjadi salah satu solusi yang inovatif dalam menghadapi tantangan pengelolaan ujian di sekolah. Artikel ini menggambarkan implementasi aplikasi ujian berbasis website dengan menggunakan kerangka kerja Laravel dan XAMPP sebagai solusi untuk mengurangi penggunaan kertas dan meningkatkan efisiensi penilaian di SMK Nahdliyatul Islamiyah. Melalui aplikasi ini, penggunaan kertas dalam proses ujian di SMK Nahdliyatul Islamiyah dapat diminimalkan, mempromosikan praktik berkelanjutan dan ramah lingkungan. Lebih lanjut, aplikasi ini memungkinkan pengoreksian dan penilaian dilakukan secara elektronik, mempercepat proses evaluasi dan memberikan umpan balik yang lebih cepat kepada siswa. Pengembangan aplikasi ujian berbasis website dengan Laravel dan XAMPP memberikan kemudahan aksesibilitas, keamanan data, serta fleksibilitas dalam pengelolaan konten ujian. Langkah ini sejalan dengan upaya SMK Nahdliyatul Islamiyah untuk mengintegrasikan teknologi dalam proses pembelajaran, meningkatkan pengalaman pengguna, dan memperkuat efektivitas evaluasi siswa.
Classification of Sign Language in Real Time Using Convolutional Neural Network Tamam, Moh. Badri; Hozairi, Hozairi; Walid, Miftahul; Bernardo, Januario Freitas Araujo
Applied Information System and Management (AISM) Vol. 6 No. 1 (2023): Applied Information System and Management (AISM)
Publisher : Depart. of Information Systems, FST, UIN Syarif Hidayatullah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15408/aism.v6i1.29820

Abstract

Communication between people is essential for daily life activities. However, humans are created with their own strengths and weaknesses. One of them is the difficulty of communication and interaction for people with hearing and speech impairments. Sign language is a language for people who have difficulty hearing and speaking. However, sign language is not popular in society, and people who have it will have more difficulties. This research aims to classify hand gestures of sign language into letters using a convolutional neural network (CNN). The dataset is obtained from Kaggle, with a total of 34,627 data divided by the ratio of training and testing data of 80:20. From the test results, the letters of the alphabet that can be translated are: A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, S, T, U, V, W, X, Y, and Z. Furthermore, validation accuracy is obtained. In this study, a very high validation accuracy was obtained. The easiest letters to guess are V and N, while the most difficult letters to guess are n, c, j, and z. With different preprocessing, the loss value can be reduced, giving a higher accuracy of 95.4%.