Claim Missing Document
Check
Articles

Found 12 Documents
Search

Sosialisasi Pemasaran Digital Bagi Petani dan UMKM di Desa Mujur, Lombok Tengah, NTB: Digital Marketing Socialization for Farmers and UMKM in Desa Mujur,Lombok Tengah, NTB Nugraha, Gibran Satya; Dwiyansaputra, Ramaditia; Bimantoro, Fitri; Aranta, Arik
Jurnal Begawe Teknologi Informasi (JBegaTI) Vol. 5 No. 1 (2024): JBegaTI
Publisher : Program Studi Teknik Informatika, Fakultas Teknik Universitas Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29303/jbegati.v5i1.1180

Abstract

Upaya Pemerintah Republik Indonesia dalam mendorong kemandirian desa melalui optimalisasi pemasaran hasil bumi menggarisbawahi pentingnya integrasi strategi pemasaran digital di pedesaan. Pengabdian ini mengeksplorasi kasus Desa Mujur di Pulau Lombok, yang dikenal sebagai "bumi Sasak" dan memiliki potensi sumber daya alam yang melimpah. Dengan mayoritas penduduknya bekerja sebagai petani, Desa Mujur menghadapi tantangan dalam memperluas pasar lokalnya, yang sebagian besar terbatas pada penjualan hasil bumi di pasar atau kerja sama dengan toko dan kios lokal. Pengabdian ini menyoroti pentingnya pemasaran digital sebagai alat untuk meningkatkan potensi pendapatan lokal dengan mencapai konsumen di luar wilayah geografis desa. Temuan dari survei Badan Pusat Statistik pada tahun 2022 menunjukkan bahwa penggunaan platform pesan instan, media sosial, dan marketplace merupakan strategi pemasaran digital yang paling banyak digunakan oleh pedagang online. Pengabdian ini menggaris bawahi bagaimana sosialisasi dan pemanfaatan teknologi digital dapat menjadi faktor krusial dalam era digital saat ini, tidak hanya untuk perusahaan besar tetapi juga untuk UMKM (Usaha Mikro, Kecil, dan Menengah), dalam meningkatkan penjualan dan memperluas pasar dalam lingkungan yang kompetitif. Platform digital seperti media sosial, e-commerce, dan aplikasi mobile menawarkan peluang baru yang belum pernah ada sebelumnya. Proses sosialisasi memungkinkan pelaku usaha memahami dan mengimplementasikan strategi digital yang efektif, termasuk pemasaran digital, SEO (Search Engine Optimizer, dan penggunaan media sosial untuk promosi, serta mengoptimalkan pengelolaan toko online. Oleh karena itu, sosialisasi teknologi dalam penjualan tidak hanya fokus pada adopsi alat baru, tapi juga pada transformasi mindset dan model bisnis, yang esensial untuk pertumbuhan dan keberlangsungan usaha di masa depan.
Early Detection of Asymptomatic Covid-19 Infection with Artificial Neural Network Model Through Voice Recording of Forced Cough Nisa, Aisyah Khairun; Wijaya, I Gede Pasek Suta; Aranta, Arik
JOIV : International Journal on Informatics Visualization Vol 7, No 2 (2023)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30630/joiv.7.2.1812

Abstract

SARS-CoV-2 is a virus that spreads the infection known as COVID-19, or Coronavirus 2019. According to data from the World Health Organization as of March 15, 2021, Indonesia has 1,419,455 cumulative cases and 38,426 cumulative deaths, ranking third among countries in terms of fatalities, behind Iran and India. Because COVID-19 was disseminated through direct contact with respiratory droplets from an infected individual, it spread swiftly and widely. According to the American Centers for Disease Control and Prevention, more than 50% of transmission rates are anticipated from asymptomatic individuals. The antigen tests have an accuracy of results ranging from 80–90% and are utilized for early detection of COVID-19. The cost of the antigen test is set to increase as of September 3, 2021, with prices ranging from IDR 99.000 to IDR 109.000; however, researchers are steadfastly searching for the best alternate methods for the early diagnosis of COVID-19. According to MIT News Office, a forced cough recording can identify an asymptomatic COVID-19 infection. Through the vocal recording of a forced cough, this study uses an artificial neural network (ANN) deep learning model to identify asymptomatic COVID-19 patients. The Artificial Neural Network (ANN) can distinguish asymptomatic people from forced cough recordings with an accuracy of up to 98% and a loss value of less than 3% by employing oversampling data. This model can be applied as a free, universal method for the early identification of COVID-19 infection.