Garuda - Garba Rujukan Digital

DESAIN SISTEM INFORMASI PENJUALAN RUMAH MENGGUNAKAN METODE OBJECT ORIENTED ANALYSIS AND DESIGN (OOAD) Dewi, Suzana; Solaiman, Marcia Sheva; Atmojo, Suryo; Widhiyanta, Nurwahyudi
Technologia : Jurnal Ilmiah Vol 16, No 1 (2025): TECHNOLOGIA (JANUARI)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17482

Perkembangan informasi teknologi sangat sedemikian hebatnya dan cepat, salah satu bidang yang berkembang cepat adalah ilmu terkait dengan komputer. Masa kini, komputer memiliki peranan penting dalam mempermudah proses penyelesaian suatu pekerjaan yang telah ditentukan, sehingga ini menyebabkan kebutuhan untuk sistem informasi yang tepat, informatif, dan lengkap bertujuan untuk mendorong manusia dapat melakukan kegiatannya, sehingga dapat dijalankan dengan cepat serta akurat. Adapun tujuan penulisan adalah agar digunakan untuk merancang sistem dan menganalisa kegiatan penjualan perumahan perusahaan properti terkait, sehingga dapat mendukung berbagai pihak yang terkait proses pengumpulan data, khususnya dalam kegiatan penjualan perumahan.Untuk melakukan penelitian seperti dijelaskan di atas, ada hal yang akan dilakukan, sehingga hasil penelitian dapat ada hasil dan ada manfaat info bagi pembaca, hal yang akan dilakukan dan dijadikan dasar adalah suatu analisa untuk mengetahui dan melihat penyusunan yang terjadi. Hal ini akan dilakukan lewat tanya jawab dengan audiens yang terkait. Metode perancangan dilakukan menggunakan metode analisa perancangan atau penyusunan dan pengembangan perangkat atau peralatan lunak yang disebut sebagai metode Desain Analisa yang Berfokus pada Obyek (dan disingkat dengan OOAD). Hasil yang dicapai adalah sebuah application (aplikasi), yang berfungsi sebagai pendukung sangat bagus dalam kegiatan pemasaran Perusahaan Properti terkait. Kesimpulan yang didapat adalah sistem penjualan dapat mempermudah proses dan memenuhi kebutuhan informasi diperlukan.

Pemilihan Karyawan Terbaik Menggunakan Metode Simple Additive Weighting (SAW) Berbasis Website di PT Trans XYZ Widhiyanta, Nurwahyudi; Tallo, Octavianus Ongki
Journal of System Engineering and Technological Innovation Vol 3 No 02 (2024): Oktober 2024
Publisher : Faculty of Engineering, Wijaya Putra University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38156/jisti.v3i02.99

Pemilihan karyawan terbaik merupakan salah satu tugas penting dalam manajemen SDM. Hal ini diharapkan dapat menentukan ukuran kinerja yang representatif dan dapat meningkatkan semangat karyawan dalam melaksanakan pekerjaannya. PT. Trans XYZ sebulan sekali memilih karyawan terbaik, di mana karyawan terpilih akan mendapatkan hadiah. Kriteria yang digunakan perusahaan untuk memilih karyawan terbaik adalah skill, absensi, ketertiban, tanggung jawab, kerja sama dan kreatifitas. Untuk membantu perusahaan menentukan karyawan terbaik setiap bulannya, kami bertujuan untuk membuat aplikasi yang dapat digunakan untuk menghitung nilai semua karyawan secara otomatis. Metode yang digunakan dalam memilih karyawan terbaik adalah Simple Additive Weighting (SAW). Hasil dari penelitian ini adalah aplikasi dapat menghitung nilai setiap karyawan dengan kriteria yang telah ditentukan dan menentukan karyawan terbaik

Analisis massive open online course zonainformatika.com menggunakan technology acceptance model Atmojo, Suryo; Dewi, Suzana; Widhiyanta, Nurwahyudi; Wulansari, Laily Alfina; Utami, Ruli
Jurnal Ilmiah Teknologi Informasi Asia Vol 19 No 1 (2025): Volume 19 nomor 1 2025 (8)
Publisher : LP2M Institut Teknologi dan Bisnis ASIA Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32815/jitika.v19i1.1110

This analysis set out to assess user acceptance of the zonainformatika.com massive open online course application, applying the Technology Acceptance Model. The study included 125 registered users and covered 48 available course roadmaps. The approach involved collecting user statistical data, specifically looking at roadmap completion rates and user satisfaction levels. We used descriptive analysis to understand user behavior patterns and how satisfied users were with the platform. The results revealed that 65% of users completed at least one roadmap. The average time spent per learning session was 45 minutes. Furthermore, 88% of users stated they were satisfied or very satisfied with the application. These findings indicate that users generally accept the massive open online course application. This is supported by the high number of users completing courses and their reported satisfaction. This analysis provides useful understanding for the application's developers. The information can help them improve features and services to make the learning experience better for users. The study's outcomes can also be a resource for tutors, offering knowledge about the psychological factors influencing users of massive open online courses. This may help tutors create learning assessments that fit user needs. Additionally, the findings may guide the development field by encouraging new ideas in building massive open online course applications.

DESAIN SISTEM INFORMASI PENJUALAN RUMAH MENGGUNAKAN METODE OBJECT ORIENTED ANALYSIS AND DESIGN (OOAD) Dewi, Suzana; Solaiman, Marcia Sheva; Atmojo, Suryo; Widhiyanta, Nurwahyudi
Technologia : Jurnal Ilmiah Vol 16, No 1 (2025): Technologia (Januari)
Publisher : Universitas Islam Kalimantan Muhammad Arsyad Al Banjari

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31602/tji.v16i1.17482

Perkembangan informasi teknologi sangat sedemikian hebatnya dan cepat, salah satu bidang yang berkembang cepat adalah ilmu terkait dengan komputer. Masa kini, komputer memiliki peranan penting dalam mempermudah proses penyelesaian suatu pekerjaan yang telah ditentukan, sehingga ini menyebabkan kebutuhan untuk sistem informasi yang tepat, informatif, dan lengkap bertujuan untuk mendorong manusia dapat melakukan kegiatannya, sehingga dapat dijalankan dengan cepat serta akurat. Adapun tujuan penulisan adalah agar digunakan untuk merancang sistem dan menganalisa kegiatan penjualan perumahan perusahaan properti terkait, sehingga dapat mendukung berbagai pihak yang terkait proses pengumpulan data, khususnya dalam kegiatan penjualan perumahan.Untuk melakukan penelitian seperti dijelaskan di atas, ada hal yang akan dilakukan, sehingga hasil penelitian dapat ada hasil dan ada manfaat info bagi pembaca, hal yang akan dilakukan dan dijadikan dasar adalah suatu analisa untuk mengetahui dan melihat penyusunan yang terjadi. Hal ini akan dilakukan lewat tanya jawab dengan audiens yang terkait. Metode perancangan dilakukan menggunakan metode analisa perancangan atau penyusunan dan pengembangan perangkat atau peralatan lunak yang disebut sebagai metode Desain Analisa yang Berfokus pada Obyek (dan disingkat dengan OOAD). Hasil yang dicapai adalah sebuah application (aplikasi), yang berfungsi sebagai pendukung sangat bagus dalam kegiatan pemasaran Perusahaan Properti terkait. Kesimpulan yang didapat adalah sistem penjualan dapat mempermudah proses dan memenuhi kebutuhan informasi diperlukan.

Graph-Based Fraud Detection with Optimized Features and Class Balance Azizah, Anisa Nur; Ritonga, Alven Safik; Atmojo, Suryo; Widhiyanta, Nurwahyudi; Dewi, Suzana; Murdani, M Harist; Sari, Mamik Usniyah
Journal of System and Computer Engineering Vol 6 No 3 (2025): JSCE: July 2025
Publisher : Universitas Pancasakti

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61628/jsce.v6i3.2001

The increasing use of digital transactions also elevates the risk of fraud, particularly in credit card transactions. Fraud detection poses a challenge due to the highly imbalanced nature of the data and the complexity of relationships among entities. This study proposes a GNN-based approach, integrated with feature selection techniques and class imbalance handling through class weighting based on data distribution. Feature selection was performed using two methods: Correlation-based Feature Selection (CFS) and Random Forest Feature Importance, to obtain the most relevant features. Experimental results show that the combination of Random Forest feature selection and class weighting yielded the highest F1 Score, despite a slight decrease in accuracy. This indicates that feature selection and class weighting strategies can improve the model's ability to detect rare fraudulent transactions. This approach contributes to the development of more accurate and adaptive fraud detection systems in digital transaction environments.

PELATIHAN GAME EDUKATIF BERBASIS SCRATCH BAGI GURU SEKOLAH DASAR Sari, Mamik Usniyah; Murdani, Muhammad Harist; Widhiyanta, Nurwahyudi
Prosiding Konferensi Nasional Pengabdian Kepada Masyarakat dan Corporate Social Responsibility (PKM-CSR) Vol 8 (2025): Penguatan Ekonomi Masyarakat Berbasis Ekologis untuk Mencapai Keberlanjutan Menuju Ind
Publisher : Asosiasi Sinergi Pengabdi dan Pemberdaya Indonesia (ASPPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37695/pkmcsr.v8i0.2671

This Community Engagement Program (PPM) was implemented at Al Kautsar Elementary School, Benowo, Surabaya, an institution with more than 300 students that demonstrates strong potential for digital literacy development but continues to face challenges in integrating technology-based learning media. The main issues identified include the low competence of teachers in utilizing coding tools such as Scratch, the absence of interactive digital media integration in the learning process, and the limited availability of appropriate teaching resources. In response to the Ministry of Education, Culture, Research, and Technology’s policy to integrate coding and artificial intelligence (AI) into the curriculum starting in 2025, the proposing team offers a solution through intensive training and teacher mentoring in designing and utilizing Scratch-based learning media, supported by student involvement under the MBKM (Freedom to Learn – Independent Campus) scheme. The program’s expected outputs include improved teacher competence in applying Scratch, the development of at least three interactive digital learning media, the preparation of a Scratch teaching module for elementary school teachers, documentation of student involvement, and dissemination of results through CSR-PKM proceedings and mass media. The implementation method consists of five stages: socialization, practice-based training, classroom application of the media, mentoring and evaluation, and program sustainability planning through the development of teachers as internal trainers. This program is expected to support the implementation of the new curriculum, enhance digital literacy, and foster a technology-based learning ecosystem in elementary education.

EVALUASI KINERJA YOLO V8 DAN SSD DALAM DETEKSI REAL-TIME SAMPAH BOTOL PLASTIK BERBASIS DEEP LEARNING Ritonga, Alven Safik; Widhiyanta, Nurwahyudi; Kusnanti, Eka Alifia
Syntax : Journal of Software Engineering, Computer Science and Information Technology Vol 6, No 2 (2025): Desember 2025
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/syntax.v6i2.8020

Sampah botol plastik merupakan salah satu fraksi paling dominan dalam timbunan sampah kota dan berkontribusi besar terhadap pencemaran lingkungan. Laporan global memperkirakan jutaan ton plastik masuk ke ekosistem perairan setiap tahun dan jumlah ini terus meningkat. Deteksi otomatis botol plastik menggunakan object detection berbasis deep learning menjadi pendekatan yang menjanjikan untuk mendukung aplikasi smart waste management seperti smart bin dan reverse vending machine. Penelitian ini mengevaluasi dan membandingkan kinerja YOLOv8 dan Single Shot MultiBox Detector (SSD) untuk deteksi real-time sampah botol plastik. Dataset yang digunakan merupakan gabungan 4.827 citra eksternal dan 251 citra internal, yang kemudian diaugmentasi menjadi lebih dari 10.000 sampel dan dianotasi untuk satu kelas bottle. Model YOLOv8 dilatih di Google Colab dengan GPU T4, sedangkan SSD diuji pada laptop berbasis CPU dalam dua skenario: (1) SSD-COCO menggunakan model pretrained umum, dan (2) SSD-Kustom yang di-fine-tune menggunakan dataset botol plastik. Hasil eksperimen menunjukkan bahwa YOLOv8 mencapai mAP@0,5 ≈ 0,984 untuk kelas botol dengan kurva precision–recall yang stabil. SSD-COCO menghasilkan sekitar 5 FPS di CPU, namun hanya mampu mendeteksi botol pada 4,07% dari 18.755 frame uji. Sebaliknya, SSD-Kustom mempertahankan FPS yang sebanding tetapi mendeteksi botol pada 100% dari 2.154 frame dengan rata-rata ≈171 deteksi per detik, yang mengindikasikan sensitivitas tinggi namun disertai gejala over-detection. Secara keseluruhan, YOLOv8 memberikan keseimbangan terbaik antara akurasi dan stabilitas, sedangkan SSD-Kustom berpotensi menjadi alternatif pada perangkat CPU-only setelah optimasi lanjutan terhadap confidence threshold dan non-maximum suppression.Kata Kunci— Sampah botol plastik, deteksi objek, YOLOv8, SSD, deep learning, real-time.ABSTRACT Plastic bottle waste is one of the most dominant fractions of municipal solid waste and contributes significantly to environmental pollution. Global reports estimate that millions of tons of plastic are discharged into aquatic ecosystems every year, with a steadily increasing trend. Automatic detection of plastic bottles using deep learning–based one-stage object detectors is a promising approach to support smart waste management applications such as smart bins and reverse vending machine. This study evaluates and compares the performance of YOLOv8 and Single Shot MultiBox Detector (SSD) for real-time plastic bottle detection. The dataset combines 4,827 external images and 251 internally acquired images, which are then augmented to more than 10,000 samples and annotated for a single bottle class. YOLOv8 is trained on Google Colab with a T4 GPU, while SSD is evaluated in two scenarios on a CPU laptop: (1) SSD-COCO using a generic pretrained model, and (2) SSD-Custom fine-tuned on the plastic bottle dataset. Experimental results show that YOLOv8 achieves mAP@0.5 ≈ 0.984 for the bottle class with high precision–recall stability. SSD-COCO reaches about 5 FPS on CPU but detects bottles in only 4.07% of 18,755 tested frames. In contrast, SSD-Custom maintains similar FPS, but detects bottles in 100% of 2,154 frames with an average of ≈171 detections per second, indicating strong sensitivity but also over-detection. Overall, YOLOv8 provides the best balance of accuracy and stability, whereas SSD-Custom becomes a viable alternative for CPU-only deployment after further optimization of confidence threshold and non-maximum suppression.Keywords— Plastic bottle waste, object detection, YOLOv8, SSD, deep learning, real-time.

Title

Found 17 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 17 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 17 Documents
Search